Formation Raspberry Pi + OpenCV for Facial Recognition

Internet of Things (IoT) est une infrastructure réseau qui connecte des objets physiques et des applications logicielles sans fil, leur permettant de communiquer entre eux et d'échanger des données via des communications réseau, l'informatique en nuage et la capture de données. Python est un langage de programmation de haut niveau recommandé pour l'IoT en raison de sa syntaxe claire et de la prise en charge de nombreuses communautés.

Dans cette formation en direct animée par un instructeur, les participants apprendront à programmer des solutions IoT avec Python .

À la fin de cette formation, les participants seront en mesure de:

• Comprendre les principes fondamentaux de l'architecture IoT
• Apprenez les bases de l'utilisation de Raspberry Pi
• Installer et configurer Python sur Raspberry Pi
• Découvrez les avantages de l'utilisation de Python dans la programmation de systèmes IoT
• Construire, tester, déployer et dépanner un système IoT à l'aide de Python et de Raspberry Pi

Public

• Développeurs
• Ingénieurs

Format du cours

• Partie de conférence, partie de discussion, exercices et exercices intensifs

Remarque

• Pour demander une formation personnalisée pour ce cours, veuillez nous contacter pour organiser cela.

Internet of Things (IoT) est une infrastructure réseau qui connecte des objets physiques et des applications logicielles sans fil, leur permettant de communiquer entre eux et d'échanger des données via des communications réseau, l'informatique en nuage et la capture de données.

Au cours de cette formation en direct animée par un instructeur, les participants apprendront les principes de base de l'IoT au cours de la création d'un système de capteur IoT utilisant le Raspberry Pi .

À la fin de cette formation, les participants seront en mesure de:

• Comprendre les principes de l'IdO, y compris les composants de l'IdO et les techniques de communication
• Apprenez à configurer le Raspberry Pi spécifiquement pour les applications IoT
• Construire et déployer leur propre système de capteurs IoT

Public

• Les amateurs
• Ingénieurs et techniciens en matériel informatique / logiciels
• Personnes techniques dans toutes les industries
• Développeurs débutants

Format du cours

• Partie de conférence, partie de discussion, exercices et exercices intensifs

Remarque

• Raspberry Pi prend en charge divers systèmes d'exploitation et langages de programmation. Ce cours utilisera Raspbian basé sur Linux comme système d'exploitation et Python comme Python de programmation. Pour demander une configuration spécifique, veuillez nous contacter pour organiser.
• Les participants sont responsables de l’achat du matériel et des composants du Raspberry Pi .

Raspberry Pi Il s’agit d’un ordinateur très petit et unique.

Dans cette formation guidée par l'instructeur, les participants apprendront comment configurer et programmer Raspberry Pi pour servir d'un système intégré interactif et puissant.

À la fin de cette formation, les participants seront en mesure de :

• Créer un IDE (environnement de développement intégré) pour une productivité de développement maximale
• Programme Raspberry Pi pour contrôler les appareils tels que les capteurs de mouvement, les alertes, les serveurs web et les imprimantes.
• Comprendre Raspberry Pi's architecture, y compris les entrées et les connecteurs pour les appareils add-on.
• Comprendre les différentes options dans les langues de programmation et les systèmes d'exploitation
• Test, débris, et déploiement Raspberry Pi pour résoudre les problèmes du monde réel

Audience

• Développeurs
• Techniciens logiciels/hardware
• Personnages techniques dans toutes les industries
• Hobbys

Format du cours

• Lecture partielle, discussion partielle, exercices et pratiques lourdes

Notes

• Raspberry Pi Soutient différents systèmes d’exploitation et langues de programmation. Ce cours utilise le Raspbian en tant que système d'exploitation et Python en tant que langage de programmation. Pour demander une configuration spécifique, veuillez nous contacter pour organiser.
• Les participants sont responsables de l’achat du matériel et des composants Raspberry Pi.

OpenCV (Open Source Computer Vision Library : http://opencv.org) est une bibliothèque open source sous licence BSD qui comprend plusieurs centaines d'algorithmes de vision par ordinateur.

Public

Ce cours s'adresse aux ingénieurs et architectes cherchant à utiliser OpenCV pour des projets de vision par ordinateur.

Cette formation en <loc> ; (en ligne ou sur site) est destinée aux ingénieurs logiciels qui souhaitent programmer en Python avec OpenCV 4 pour l'apprentissage profond.

A l'issue de cette formation, les participants seront capables de :

• Voir, charger et classer des images et des vidéos en utilisant OpenCV 4.
• Implémenter l'apprentissage profond dans OpenCV 4 avec TensorFlow et Keras.
• Exécuter des modèles d'apprentissage profond et générer des rapports percutants à partir d'images et de vidéos.

SimpleCV est un framework open source, c’est-à-dire un ensemble de bibliothèques et de logiciels que vous pouvez utiliser pour développer des applications de vision. Il vous permet de travailler avec les images ou les flux vidéo provenant de webcams, de caméras Kinect, FireWire et IP ou de téléphones mobiles. Il vous aide à créer des logiciels pour que vos différentes technologies non seulement voient le monde, mais le comprennent aussi.

Public

Ce cours est destiné aux ingénieurs et aux développeurs souhaitant développer des applications de vision par ordinateur avec SimpleCV.

Caffe est un cadre d'apprentissage en profondeur conçu pour l'expression, la rapidité et la modularité.

Ce cours explore l’application de Caffe tant que cadre d’apprentissage approfondi pour la reconnaissance d’images en prenant comme exemple le MNIST.

Public

Ce cours convient aux chercheurs et ingénieurs Deep Learning intéressés par l'utilisation de Caffe tant que cadre.

Une fois ce cours terminé, les délégués seront en mesure de:

• comprendre la structure et les mécanismes de déploiement de Caffe
• effectuer des tâches d'installation / environnement de production / architecture et configuration
• évaluer la qualité du code, effectuer le débogage, la surveillance
• implémenter une production avancée telle que des modèles d'entraînement, implémenter des couches et se connecter

Marvin est un framework de traitement d'images et de vidéos vidéo extensible, multiplate-forme et à code source ouvert, développé en Java . Les développeurs peuvent utiliser Marvin pour manipuler des images, extraire des fonctionnalités d’images pour des tâches de classification, générer des figures par algorithme, traiter des ensembles de données de fichiers vidéo et configurer l’automatisation du test unitaire.

Certaines des applications vidéo de Marvin incluent le filtrage, la réalité augmentée, le suivi d'objets et la détection de mouvement.

Dans ce cours en direct animé par un instructeur, les participants apprendront les principes de l'analyse d'images et de vidéos et utiliseront le framework Marvin et ses algorithmes de traitement d'images pour créer leur propre application.

Format du cours

• Les principes de base de l'analyse d'images, l'analyse vidéo et le framework Marvin sont d'abord présentés. Les étudiants reçoivent des tâches basées sur des projets qui leur permettent de mettre en pratique les concepts appris. À la fin du cours, les participants auront développé leur propre application à l'aide du framework Marvin et des bibliothèques.

Cette formation en direct avec instructeur (en ligne ou sur site) s'adresse aux développeurs qui souhaitent construire une voiture autonome à l'aide de techniques d'apprentissage en profondeur.

A l'issue de cette formation, les participants seront capables de :

• Utiliser Keras pour construire et entraîner un réseau neuronal convolutif.
• Utiliser des techniques de vision par ordinateur pour identifier les voies dans un projet de conduite autonome.
• Entraîner un modèle d'apprentissage profond pour différencier les panneaux de signalisation.
• Simuler une voiture entièrement autonome.

Cette formation en direct avec instructeur (en ligne ou sur site) s'adresse aux développeurs qui souhaitent créer des modèles de détection et de suivi d'objets accélérés par le matériel pour analyser les données vidéo en continu.

A l'issue de cette formation, les participants seront capables de :

• Installer et configurer l'environnement de développement, les logiciels et les bibliothèques nécessaires pour commencer à développer.
• Construire, entraîner et déployer des modèles d'apprentissage profond pour analyser les flux vidéo en direct.
• Identifier, suivre, segmenter et prédire différents objets dans les images vidéo.
• Optimiser les modèles de détection et de suivi des objets.
• Déployer une application d'analyse vidéo intelligente (IVA).

Cette formation en direct avec instructeur (en ligne ou sur site) s'adresse aux développeurs back-end et aux scientifiques des données qui souhaitent incorporer des modèles YOLO pré-entraînés dans leurs programmes d'entreprise et mettre en œuvre des composants rentables pour la détection d'objets.

A l'issue de cette formation, les participants seront capables de :

• Installer et configurer les outils et bibliothèques nécessaires à la détection d'objets à l'aide de YOLO.
• Personnaliser Python les applications en ligne de commande qui fonctionnent sur la base des modèles pré-entraînés de YOLO.
• Implémenter le cadre des modèles YOLO pré-entraînés pour divers projets de vision par ordinateur.
• Convertir des ensembles de données existants pour la détection d'objets au format YOLO.
• Comprendre les concepts fondamentaux de l'algorithme YOLO pour la vision par ordinateur et/ou l'apprentissage profond.

Cette formation en <loc> ; (en ligne ou sur site) est destinée aux développeurs, chercheurs et data scientists de niveau intermédiaire à avancé qui souhaitent apprendre à mettre en œuvre la détection d'objets en temps réel à l'aide de YOLOv7.

A l'issue de cette formation, les participants seront capables de :

• Comprendre les concepts fondamentaux de la détection d'objets.
• Installer et configurer YOLOv7 pour les tâches de détection d'objets.
• Former et tester des modèles de détection d'objets personnalisés à l'aide de YOLOv7.
• Intégrer YOLOv7 avec d'autres cadres et outils de vision par ordinateur.
• Dépanner les problèmes courants liés à l'implémentation de YOLOv7.

La correspondance de motifs est une technique utilisée pour localiser les motifs spécifiés dans une image. Il peut être utilisé pour déterminer l'existence de caractéristiques spécifiées dans une image capturée, par exemple l'étiquette attendue sur un produit défectueux dans une ligne d'usine ou les dimensions spécifiées d'un composant. Il est différent de " Pattern Recognition " (qui reconnaît les modèles généraux basés sur des collections plus importantes d'échantillons connexes) en ce qu'il dicte spécifiquement ce que nous recherchons, puis nous indique si le modèle attendu existe ou non.

Format du cours

• Ce cours présente les approches, les technologies et les algorithmes utilisés dans le domaine de la correspondance de modèles tel qu'il s'applique à la Machine Vision .