
Los cursos de capacitación en vivo, dirigidos por un instructor, demuestran a través de la discusión interactiva y práctica las bases de la visión por computador como participantes a través de la creación de aplicaciones simples de visión por computador.
El entrenamiento de la visión de computadora está disponible como "entrenamiento vivo en el sitio" o "entrenamiento vivo alejado". El entrenamiento en vivo se puede realizar localmente en las instalaciones del cliente en Peru o en los centros de entrenamiento corporativos de NobleProg en Peru. El entrenamiento remoto en vivo se lleva a cabo por medio de un escritorio remoto interactivo.
NobleProg--su proveedor de capacitación local
Machine Translated
Testimonios
Realmente disfruté el enfoque práctico.
Kevin De Cuyper
Curso: Computer Vision with OpenCV
Machine Translated
El uso fácil de la funcionalidad VideoCapture para adquirir imágenes de video desde una cámara portátil.
HP Printing and Computing Solutions, Sociedad Limitada Unipe
Curso: Computer Vision with OpenCV
Machine Translated
Disfruté los consejos dados por el capacitador sobre cómo usar las herramientas. Esto es algo que no se puede obtener de internet y es muy útil.
HP Printing and Computing Solutions, Sociedad Limitada Unipe
Curso: Computer Vision with OpenCV
Machine Translated
Disfruté los consejos dados por el capacitador sobre cómo usar las herramientas. Esto es algo que no se puede obtener de internet y es muy útil.
HP Printing and Computing Solutions, Sociedad Limitada Unipe
Curso: Computer Vision with OpenCV
Machine Translated
Fue fácil de seguir.
HP Printing and Computing Solutions, Sociedad Limitada Unipe
Curso: Computer Vision with OpenCV
Machine Translated
Trainer era muy knowlegable y muy abierto a la retroalimentación sobre qué ritmo para ir a través del contenido y los temas que cubrimos. Gané mucho con el entrenamiento y siento que ahora tengo una buena comprensión de la manipulación de imágenes y algunas técnicas para construir un buen conjunto de entrenamiento para un problema de clasificación de imágenes.
Anthea King - WesCEF
Curso: Computer Vision with Python
Machine Translated
Algunos de nuestros clientes






















.jpg)
.png)


























Visión artificial Subcategorías
Programas de los cursos Visión artificial
Audience
This course is directed at engineers and architects seeking to utilize OpenCV for computer vision projects
Audiencia
Este curso está dirigido a ingenieros y desarrolladores que busquen desarrollar aplicaciones de visión artificial con SimpleCV.
Este curso explora la aplicación de Caffe como un marco de aprendizaje profundo para el reconocimiento de imágenes utilizando el MNIST como ejemplo
Audiencia
Este curso es adecuado para los investigadores e ingenieros de Deep Learning interesados en utilizar Caffe como marco.
Después de completar este curso, los delegados podrán:
- entender la estructura de Caffe y los mecanismos de despliegue
- llevar a cabo las tareas de instalación / producción de entorno / arquitectura y configuración
- evaluar la calidad del código, realizar depuración, monitoreo
- implementar la producción avanzada como modelos de entrenamiento, implementación de capas y registro
Audiencia
- Ingenieros y desarrolladores que buscan desarrollar aplicaciones de visión artificial
- Ingenieros de fabricación, técnicos y gerentes
Formato del curso
- Este curso presenta los enfoques, las tecnologías y los algoritmos utilizados en el campo de la coincidencia de patrones tal como se aplica a la Visión artificial.
Some of Marvin's video applications include filtering, augmented reality, object tracking and motion detection.
In this instructor-led, live course participants will learn the principles of image and video analysis and utilize the Marvin Framework and its image processing algorithms to construct their own application.
Format of the Course
- The basic principles of image analysis, video analysis and the Marvin Framework are first introduced. Students are given project-based tasks which allow them to practice the concepts learned. By the end of the class, participants will have developed their own application using the Marvin Framework and libraries.
El hardware utilizado en este laboratorio incluye Rasberry Pi, un módulo de cámara, servos (opcional), etc. Los participantes son responsables de comprar estos componentes ellos mismos. El software utilizado incluye OpenCV, Linux, Python, etc.
Al final de esta capacitación, los participantes podrán:
- Instale Linux, OpenCV y otras utilidades de software y bibliotecas en un Rasberry Pi.
- Configure OpenCV para capturar y detectar imágenes faciales.
- Comprenda las diversas opciones para empaquetar un sistema Rasberry Pi para su uso en entornos del mundo real.
- Adapte el sistema para una variedad de casos de uso, incluida la vigilancia, la verificación de identidad, etc.
Audiencia
- Desarrolladores
- Técnicos de hardware / software
- Personas técnicas en todas las industrias
- Aficionados
Formato del curso
- Conferencia de parte, discusión en parte, ejercicios y práctica práctica
Nota
- Otras opciones de hardware y software incluyen: Arduino, OpenFace, Windows, etc. Si desea utilizar alguno de estos, contáctenos para organizarlo.
En esta capacitación en vivo dirigida por un instructor, los participantes aprenderán los conceptos básicos de Computer Vision mientras avanzan en la creación del conjunto de aplicaciones simples de Computer Vision utilizando Python.
Al final de esta capacitación, los participantes podrán:
- Comprenda los conceptos básicos de Computer Vision
- Use Python para implementar tareas de Visión por computadora
- Construye sus propios sistemas de detección de rostro, objeto y movimiento
Audiencia
- Programadores de Python interesados en Computer Vision
Formato del curso
- Conferencia de parte, discusión en parte, ejercicios y práctica práctica
By the end of this training, participants will be able to:
- Use Keras to build and train a convolutional neural network.
- Use computer vision techniques to identify lanes in an autonomos driving project.
- Train a deep learning model to differentiate traffic signs.
- Simulate a fully autonomous car.
By the end of this training, participants will be able to:
- View, load, and classify images and videos using OpenCV 4.
- Implement deep learning in OpenCV 4 with TensorFlow and Keras.
- Run deep learning models and generate impactful reports from images and videos.
By the end of this training, participants will be able to:
- Install and configure the necessary development environment, software and libraries to begin developing.
- Build, train, and deploy deep learning models to analyze live video feeds.
- Identify, track, segment and predict different objects within video frames.
- Optimize object detection and tracking models.
- Deploy an intelligent video analytics (IVA) application.
By the end of this training, participants will be able to:
- Install and configure the necessary tools and libraries required in object detection using YOLO.
- Customize Python command-line applications that operate based on YOLO pre-trained models.
- Implement the framework of pre-trained YOLO models for various computer vision projects.
- Convert existing datasets for object detection into YOLO format.
- Understand the fundamental concepts of the YOLO algorithm for computer vision and/or deep learning.