YOLOv7: Realtime objectdetectie met computervisie Training Cursus

De CANN SDK (Compute Architecture for Neural Networks) biedt krachtige hulpmiddelen voor het implementeren en optimaliseren van AI-applicaties in real-time, met name op het gebied van computer vision en NLP, op hardware van Huawei Ascend.

Deze interactieve training, verzorgd door een instructeur (online of ter plaatse), is bedoeld voor AI-professionals met een middenniveau kennis die visie- en taalmodellen willen ontwikkelen, implementeren en optimaliseren voor productiedoeleinden met behulp van de CANN SDK.

Na afronding van deze cursus zijn de deelnemers in staat tot:

• Het implementeren en optimaliseren van CV- en NLP-modellen met behulp van CANN en AscendCL.
• Het gebruiken van CANN-tools om modellen te converteren en deze in live-pipelines te integreren.
• Het verbeteren van de inferentieprestaties bij taken zoals detectie, classificatie en sentimentanalyse.
• Het ontwikkelen van real-time CV-/NLP-pipelines voor implementatie op edge-apparaten of in de cloud.

Opzet van de cursus

• Interactieve presentaties en demonstraties.
• Praktijkwerk in het lab: modelimplementatie en performance-profiling.
• Ontwerpen van live-pipelines op basis van echte toepassingen uit computer vision en NLP.

Mogelijkheden tot cursusaanpassing

• Wilt u een op maat gemaakte training? Neem dan contact met ons op om de mogelijkheden te bespreken.

Deze interactieve training onder begeleiding van een docent in Nederland (online of op locatie) richt zich op AI-ontwikkelaars en computervisie-engineers met middenkadervaardigheden die visiesystemen willen ontwikkelen voor autonome rijapplicaties.

Na afronding van deze training kunnen deelnemers:

• De fundamentele begrippen van computervisie bij autonome voertuigen bevatten.
• Algorithmen implementeren voor objectdetectie, rijbaanherkenning en semantische segmentatie.
• Visiesystemen integreren met andere subsystemen van autonome voertuigen.
• Diepteleertechnieken toepassen bij geavanceerde perceptietaken.
• De prestaties van computervisiemodellen in reële situaties evalueren.

Deze interactieve, live-training onder leiding van een instructeur in Nederland (online of ter plaatse) is bedoeld voor professionals op gevorderd niveau die hun kennis van computervisie willen verdiepen en de mogelijkheden van TensorFlow willen ontdekken om complexe visiemodellen te ontwikkelen via Google Colab.

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

• Convolutieneurale netwerken (CNN's) bouwen en trainen met TensorFlow.
• Google Colab gebruiken voor het efficiënt ontwikkelen van modellen in de cloud op schaalbare wijze.
• Technieken toepassen voor beeldvoorbereiding bij computervisietaken.
• Computervisiemodellen implementeren voor praktische toepassingen.
• Transfer learning benutten om de prestaties van CNN-modellen te verbeteren.
• De resultaten van beeldclassificatiemodellen visualiseren en interpreteren.

Deze praktijkgerichte training onder leiding van een instructeur in Nederland (online of ter plaatse) richt zich op computer vision-engineers, AI-ontwikkelaars en IoT-professionals met een gemiddelde tot gevorderde kennis die AI-modellen voor computervisie willen implementeren en optimaliseren voor real-time verwerking op edge-apparaten.

Na afloop van deze training zullen deelnemers in staat zijn om:

• De basisprincipes van Edge AI en diens toepassingen in computervisie te begrijpen.
• Geoptimaliseerde deep learning-modellen op edge-apparaten te implementeren voor real-time beeld- en videoverwerking.
• Frameworks zoals TensorFlow Lite, OpenVINO en NVIDIA Jetson SDK te gebruiken bij het implementeren van modellen.
• AI-modellen te optimaliseren met betrekking tot prestaties, energie-efficiëntie en snelle inferentie.

Deze praktijkgerichte training onder leiding van een instructeur in Nederland (online of ter plaatse) is bedoeld voor wetshandhavingspersoneel met minimale voorkennis die wil overstappen van handmatig gezichtsschetsen naar het gebruik van AI-tools voor het ontwikkelen van gezichtsherkenningssystemen.

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

• De basisprincipes van kunstmatige intelligentie en machine learning te begrijpen.
• De fundamentele concepten van digitale beeldverwerking en hun toepassing in gezichtsherkenning te leren.
• Vaardigheden te ontwikkelen in het gebruik van AI-tools en -frameworks om gezichtsherkenningsmodellen te creëren.
• Praktische ervaring op te doen met het ontwerpen, trainen en testen van gezichtsherkenningssystemen.
• De ethische aspecten en beste praktijken bij het gebruik van gezichtsherkenningstechnologie te bevatten.

Deze door instructeurs geleide training in Nederland (online of ter plaatse) is bedoeld voor onderzoekers en laboratoriummedewerkers met een basis- tot intermediair niveau die willen leren beelden te verwerken en analyseren van histologische weefsels, bloedcellen, algen en andere biologische monsters.

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

• De interface van Fiji te gebruiken en de kernfuncties van ImageJ toe te passen.
• Wetenschappelijke beelden vooraf te verwerken en te verbeteren zodat ze beter geanalyseerd kunnen worden.
• Beelden kwantitatief te analyseren, waaronder het tellen van cellen en het meten van oppervlakten.
• Repetitieve taken te automatiseren door gebruik te maken van macro’s en plugins.
• Workflows aan te passen aan specifieke behoeften bij het analyseren van biologische beelden.

Computervisie is een veld waarbij nuttige informatie automatisch wordt geëxtraheerd, geanalyseerd en begrepen uit digitale media. Python is een hoog niveau programmeertaal die bekend staat om haar heldere syntaxis en de leesbaarheid van de code.

In deze door een docent geleide live training leren deelnemers de basisprincipes van computervisie terwijl ze stap voor stap eenvoudige computervisie-toepassingen bouwen met Python.

Na afloop van deze training kunnen deelnemers:

• De basis van computervisie begrijpen
• Python gebruiken om computervisie-taken uit te voeren
• Eigen systemen voor gezicht-, object- en bewegingsdetectie bouwen

Doelgroep

• Python-programmeurders die geïnteresseerd zijn in computervisie

Vorm van de cursus

• Gedeeltelijk lezing, gedeeltelijk discussie, oefeningen en intensieve praktijkexercities

Deze praktijkgerichte training onder begeleiding van een instructeur (online of op locatie) richt zich op professionals met een gemiddelde kennisgraad die Vision Builder AI willen gebruiken om geautomatiseerde inspectiesystemen te ontwerpen, implementeren en optimaliseren voor SMT-processen.

Aan het einde van de training zijn deelnemers in staat tot:

• Geautomatiseerde inspecties instellen en configureren met Vision Builder AI.
• Hoogwaardige beelden verzamelen en voorbereiden voor analyse.
• Logische beslissingsregels toepassen voor het detecteren van defecten en valideren van processen.
• Inspectierapporten genereren en de prestaties van het systeem optimaliseren.