Computer Vision for Autonomous Driving Training Cursus

Deze door een instructeur geleide, live training (online of ter plaatse) is bedoeld voor robotics engineers en AI-onderzoekers op hoog niveau die geavanceerde algoritmen voor padplanning willen implementeren om de prestaties van autonome voertuigen te verbeteren.

Aan het einde van deze training zullen de deelnemers in staat zijn om:

• De theoretische basis van geavanceerde algoritmen voor padplanning te begrijpen.
• Algoritmen zoals RRT*, A* en D* te implementeren voor real-time navigatie.
• Padplanning te optimaliseren voor obstakelvermijding en dynamische omgevingen.
• Padplanningsalgoritmen te integreren met sensorgegevens voor een verbeterde nauwkeurigheid.
• De prestaties van verschillende algoritmen in praktische scenario's te evalueren.

Deze door een instructeur geleide, live training (online of ter plaatse) is bedoeld voor data scientists, AI-specialisten en ontwikkelaars van AI voor de auto-industrie op hoog niveau die AI-modellen willen bouwen, trainen en optimaliseren voor toepassingen op het gebied van autonoom rijden.

Aan het einde van deze training kunnen de deelnemers:

• De basisprincipes van AI en deep learning begrijpen in de context van zelfrijdende voertuigen.
• Computervisie-technieken implementeren voor real-time objectdetectie en rijstrookvolging.
• Reinforcement learning gebruiken voor besluitvorming in zelfrijdende systemen.
• Sensorfusietechnieken integreren voor een betere perceptie en navigatie.
• Deep learning-modellen bouwen om rijscenario's te voorspellen en te analyseren.

Deze live training onder leiding van een instructeur in Nederland (online of ter plaatse) is bedoeld voor wetshandhavers op beginnersniveau die willen overstappen van handmatige gezichtsschetsen naar het gebruik van AI-tools voor het ontwikkelen van gezichtsherkenningssystemen.

Aan het einde van deze training zijn de deelnemers in staat om:

• Begrijp de basisprincipes van kunstmatige intelligentie en Machine Learning.
• Leer de basisprincipes van digitale beeldverwerking en de toepassing ervan in gezichtsherkenning.
• Ontwikkel vaardigheden in het gebruik van AI-tools en -frameworks om gezichtsherkenningsmodellen te maken.
• Doe praktijkervaring op in het maken, trainen en testen van gezichtsherkenningssystemen.
• Begrijp ethische overwegingen en best practices bij het gebruik van gezichtsherkenningstechnologie.

Fiji is een open-source beeldverwerkingspakket dat ImageJ (een beeldverwerkingsprogramma voor wetenschappelijke multidimensionale beelden) en een aantal plug-ins voor wetenschappelijke beeldanalyse bundelt.

In deze live training onder leiding van een instructeur leren deelnemers hoe ze de Fiji-distributie en het onderliggende ImageJ-programma kunnen gebruiken om een toepassing voor beeldanalyse te maken.

Aan het einde van deze training zijn de deelnemers in staat om:

• Gebruik de geavanceerde programmeerfuncties en softwarecomponenten van Fiji om ImageJ uit te breiden
• Naai grote 3D-afbeeldingen van overlappende tegels
• Een Fiji-installatie automatisch bijwerken bij het opstarten met behulp van het geïntegreerde updatesysteem
• Kies uit een brede selectie scripttalen om aangepaste oplossingen voor beeldanalyse te bouwen
• Gebruik de krachtige bibliotheken van Fiji, zoals ImgLib, op grote bioimage-datasets
• Implementeer hun applicatie en werk samen met andere wetenschappers aan soortgelijke projecten

Vorm van de cursus

• Interactieve lezing en discussie.
• Veel oefeningen en oefenen.
• Hands-on implementatie in een live-lab omgeving.

Opties voor het aanpassen van cursussen

• Om een training op maat voor deze cursus aan te vragen, neem dan contact met ons op om een afspraak te maken.

Deze door een instructeur geleide, live training in Nederland (online of op locatie) is bedoeld voor onderzoekers en laboratoriumprofessionals van het beginner- tot het intermediate niveau die beelden willen verwerken en analyseren die verband houden met histologische weefsels, bloedcellen, algen en andere biologische monsters.

Aan het einde van deze training zullen de deelnemers in staat zijn om:

• De Fiji-interface te navigeren en de kernfuncties van ImageJ te gebruiken.
• Wetenschappelijke beelden voor betere analyse voor te verwerken en te verbeteren.
• Beelden kwantitatief te analyseren, inclusief het tellen van cellen en het meten van gebieden.
• Repetitive taken te automatiseren met behulp van macro's en plugins.
• Workflows aan te passen aan specifieke behoeften op het gebied van beeldanalyse in biologisch onderzoek.

Deze door een docent geleide, live training (online of op locatie) is bedoeld voor ervaren specialisten in sensorfusie en AI-ingenieurs die multi-sensorfusie-algoritmen willen ontwikkelen en real-time navigatie in autonome systemen willen optimaliseren.

Aan het einde van deze training zullen de deelnemers in staat zijn om:

• De fundamentele principes en uitdagingen van multi-sensor datafusie te begrijpen.
• Sensorfusie-algoritmen te implementeren voor real-time autonome navigatie.
• Data van LiDAR, camera's en RADAR te integreren voor verbeterde perceptie.
• De prestaties van fusiesystemen onder verschillende omstandigheden te analyseren en evalueren.
• Praktische oplossingen te ontwikkelen voor ruisonderdrukking en data-uitlijning van sensoren.

OpenCV (Open Source Computer Vision Bibliotheek: http://opencv.org) is een open-source BSD-gelicentieerde bibliotheek die enkele honderden computervisie-algoritmen bevat.

Audiëntie

Deze cursus is bedoeld voor ingenieurs en architecten die OpenCV willen gebruiken voor computervisieprojecten

Deze live training onder leiding van een instructeur in Nederland (online of ter plaatse) is bedoeld voor software-engineers die willen programmeren in Python met OpenCV 4 voor deep learning.

Aan het einde van deze training zijn de deelnemers in staat om:

• Bekijk, laad en classificeer afbeeldingen en video's met behulp van OpenCV 4.
• Implementeer deep learning in OpenCV, 4, met TensorFlow en Keras.
• Voer deep learning-modellen uit en genereer impactvolle rapporten op basis van afbeeldingen en video's.

OpenFace is Python en Torch gebaseerde open-source, real-time gezichtsherkenningssoftware gebaseerd op Google's FaceNet-onderzoek.

In deze live training onder leiding van een instructeur leren deelnemers hoe ze de componenten van OpenFace kunnen gebruiken om een voorbeeldtoepassing voor gezichtsherkenning te maken en te implementeren.

Aan het einde van deze training zijn de deelnemers in staat om:

• Werk met de componenten van OpenFace, waaronder dlib, OpenVC, Torch en nn4 om gezichtsdetectie, uitlijning en transformatie te implementeren
• Pas OpenFace toe op real-world toepassingen zoals bewaking, identiteitsverificatie, virtual reality, gaming en het identificeren van terugkerende klanten, enz.

Audiëntie

• Ontwikkelaars
• Datawetenschappers

Vorm van de cursus

• Deels lezing, deels discussie, oefeningen en zware hands-on oefening

Pattern Matching is een techniek die wordt gebruikt om gespecificeerde patronen in een afbeelding te lokaliseren. Het kan worden gebruikt om het bestaan van gespecificeerde kenmerken in een vastgelegd beeld te bepalen, bijvoorbeeld het verwachte label op een defect product in een fabriekslijn of de gespecificeerde afmetingen van een onderdeel. Het verschilt van "Pattern Recognition" (dat algemene patronen herkent op basis van grotere verzamelingen van verwante monsters) in die zin dat het specifiek dicteert waarnaar we op zoek zijn en ons vervolgens vertelt of het verwachte patroon bestaat of niet.

Vorm van de cursus

• Deze cursus introduceert de benaderingen, technologieën en algoritmen die worden gebruikt op het gebied van patroonherkenning zoals dat van toepassing is op Machine Vision.

Deze live training onder leiding van een instructeur introduceert de software, hardware en het stapsgewijze proces die nodig zijn om een gezichtsherkenningssysteem vanaf nul op te bouwen. Gezichtsherkenning wordt ook wel Face Recognition genoemd.

De hardware die in dit lab wordt gebruikt, omvat Rasberry Pi, een cameramodule, servo's (optioneel), enz. Deelnemers zijn zelf verantwoordelijk voor de aanschaf van deze componenten. De gebruikte software omvat OpenCV, Linux, Python, enz.

Aan het einde van deze training zijn de deelnemers in staat om:

• Installeer Linux, OpenCV en andere softwarehulpprogramma's en bibliotheken op een Rasberry Pi.
• Configureer OpenCV om gezichtsopnamen vast te leggen en te detecteren.
• Begrijp de verschillende opties voor het verpakken van een Rasberry Pi-systeem voor gebruik in real-world omgevingen.
• Pas het systeem aan voor een verscheidenheid aan gebruiksscenario's, waaronder bewaking, identiteitsverificatie, enz.

Vorm van de cursus

• Deels lezing, deels discussie, oefeningen en zware hands-on oefening

Notitie

• Andere hardware- en software-opties zijn onder meer: Arduino, OpenFace, Windows, enz. Als u een van deze wilt gebruiken, neem dan contact met ons op om dit te regelen.

Scilab is een goed ontwikkelde, gratis en open-source taal op hoog niveau voor wetenschappelijke gegevensmanipulatie. De centrale datastructuur wordt gebruikt voor statistieken, grafische afbeeldingen en animaties, simulatie, signaalverwerking, fysica, optimalisatie en meer, en is de matrix, die vele soorten problemen vereenvoudigt in vergelijking met alternatieven zoals FORTRAN en C-derivaten. Het is compatibel met talen zoals C, Java en Python , waardoor het geschikt is als aanvulling op bestaande systemen.

In deze door instructeurs geleide training leren deelnemers de voordelen van Scilab vergelijking met alternatieven zoals Matlab, de basisprincipes van de Scilab syntaxis en enkele geavanceerde functies, en een interface met andere veelgebruikte talen, afhankelijk van de vraag. De cursus wordt afgesloten met een kort project gericht op beeldverwerking.

Aan het einde van deze training hebben de deelnemers inzicht in de basisfuncties en enkele geavanceerde functies van Scilab en beschikken ze over de middelen om hun kennis te blijven uitbreiden.

Publiek

• Gegevenswetenschappers en ingenieurs, vooral met interesse in beeldverwerking en gezichtsherkenning

Formaat van de cursus

• Deelcollege, deelbespreking, oefeningen en intensieve praktijkoefening, met een eindproject

Dit door een instructeur geleide live training in Nederland (online of op locatie) is gericht op professionals met middelmatige kennis die Vision Builder AI willen gebruiken om geautomatiseerde inspectiesystemen te ontwerpen, implementeren en optimaliseren voor SMT (Surface-Mount Technology) processen.

Na afloop van deze training zijn de deelnemers in staat:

• Geautomatiseerde inspecties op te zetten en te configureren met Vision Builder AI.
• Hoge-kwaliteitsafbeeldingen verkrijgen en voorbereiden voor analyse.
• Logica-gebaseerde beslissingen implementeren voor defectendetekting en procesvalidatie.
• Inspectierapporten genereren en systeemprestaties optimaliseren.