Image Analysis Schulungen

Fidschi ist ein Open Source-Bildverarbeitungspaket, das ImageJ (ein Bildverarbeitungsprogramm für wissenschaftliche multidimensionale Bilder) und eine Reihe von Plugins für die wissenschaftliche Bildanalyse bündelt In diesem instruierten Live-Training lernen die Teilnehmer, wie sie die Fiji-Distribution und das ihr zugrundeliegende ImageJ-Programm verwenden, um eine Bildanalyseanwendung zu erstellen Am Ende dieses Trainings werden die Teilnehmer in der Lage sein: Verwenden Sie die erweiterten Programmierfunktionen und Softwarekomponenten von Fiji, um ImageJ zu erweitern Stitch große 3D-Bilder von überlappenden Fliesen Automatisches Update einer Fidschi-Installation beim Start mit dem integrierten Update-System Wählen Sie aus einer breiten Auswahl an Skriptsprachen aus, um benutzerdefinierte Bildanalyse-Lösungen zu erstellen Verwenden Sie Fidschis leistungsstarke Bibliotheken wie ImgLib auf großen Bioimage-Datasets Stellen Sie ihre Anwendung bereit und arbeiten Sie mit anderen Wissenschaftlern an ähnlichen Projekten zusammen Publikum Wissenschaftler Forscher Entwickler Format des Kurses Teilvorlesung, Teildiskussion, Übungen und schwere Handsonsübungen .

Marvin ist ein erweiterbares, plattformübergreifendes Open-Source-Framework für die Bild- und Videoverarbeitung, das in Java entwickelt wurde. Entwickler können mit Marvin Bilder manipulieren, Merkmale aus Bildern für Klassifizierungsaufgaben extrahieren, Zahlen algorithmisch generieren, Videodateidatensätze verarbeiten und die Automatisierung von Komponententests einrichten.

Einige der Marvin von Marvin umfassen Filterung, Augmented Reality, Objektverfolgung und Bewegungserkennung.

In diesem von Lehrern geleiteten Live-Kurs lernen die Teilnehmer die Prinzipien der Bild- und Videoanalyse und verwenden das Marvin Framework und seine Bildverarbeitungsalgorithmen, um ihre eigene Anwendung zu erstellen.

Format des Kurses

- Zunächst werden die Grundprinzipien der Bildanalyse, Videoanalyse und des Marvin Frameworks vorgestellt. Die Studierenden erhalten projektbezogene Aufgaben, mit denen sie die erlernten Konzepte üben können. Am Ende des Kurses haben die Teilnehmer ihre eigene Anwendung unter Verwendung des Marvin Frameworks und der Bibliotheken entwickelt.

PaddlePaddle (PArallel Distributed Deep LEarning) ist eine von Baidu entwickelte skalierbare Deep-Learning-Plattform In diesem instruierten Live-Training lernen die Teilnehmer, PaddlePaddle zu verwenden, um tiefes Lernen in ihren Produkt- und Serviceanwendungen zu ermöglichen Am Ende dieses Trainings werden die Teilnehmer in der Lage sein: Richten Sie PaddlePaddle ein und konfigurieren Sie es Richten Sie ein Convolutional Neural Network (CNN) für die Bilderkennung und Objekterkennung ein Richten Sie ein Recurrent Neural Network (RNN) für die Stimmungsanalyse ein Richten Sie Deep Learning auf Empfehlungssystemen ein, damit Benutzer Antworten finden können Klickraten (Click-through-Rate - CTR) vorhersagen, großformatige Bildsätze klassifizieren, optische Zeichenerkennung (OCR) durchführen, Suchanfragen einordnen, Computerviren erkennen und ein Empfehlungssystem implementieren Publikum Entwickler Datenwissenschaftler Format des Kurses Teilvorlesung, Teildiskussion, Übungen und schwere Handsonsübungen .

Die Mustererkennung ist eine Technik, mit der bestimmte Muster in einem Bild gesucht werden. Es kann verwendet werden, um das Vorhandensein bestimmter Merkmale in einem erfassten Bild zu bestimmen, z. B. das erwartete Etikett auf einem fehlerhaften Produkt in einer Fertigungslinie oder die angegebenen Abmessungen eines Bauteils. Es unterscheidet sich von der " Pattern Recognition " (die allgemeine Muster erkennt, die auf größeren Sammlungen verwandter Muster basieren) darin, dass es genau festlegt, wonach wir suchen, und uns dann mitteilt, ob das erwartete Muster vorhanden ist oder nicht.

Format des Kurses

- Dieser Kurs führt in die Ansätze, Technologien und Algorithmen ein, die im Bereich des Pattern Matching für Machine Vision .

Scilab ist eine gut entwickelte, kostenlose und quelloffene Hochsprache für die wissenschaftliche Datenbearbeitung. Die zentrale Datenstruktur wird für Statistiken, Grafiken und Animationen, Simulationen, Signalverarbeitung, Physik, Optimierung usw. verwendet und vereinfacht viele Arten von Problemen im Vergleich zu Alternativen wie FORTRAN und C-Derivaten. Es ist mit Sprachen wie C, Java und Python kompatibel und eignet sich daher als Ergänzung zu vorhandenen Systemen.

In dieser von Lehrern geleiteten Schulung lernen die Teilnehmer die Vorteile von Scilab Vergleich zu Alternativen wie Matlab, die Grundlagen der Scilab Syntax sowie einige erweiterte Funktionen kennen und können je nach Bedarf auf andere weit verbreitete Sprachen zugreifen. Der Kurs wird mit einem kurzen Projekt zum Thema Bildverarbeitung abgeschlossen.

Am Ende dieser Schulung erhalten die Teilnehmer einen Einblick in die Grundfunktionen und einige fortgeschrittene Funktionen von Scilab und verfügen über die Ressourcen, um ihr Wissen weiter auszubauen.

Publikum

- Datenwissenschaftler und Ingenieure, insbesondere mit Interesse an Bildverarbeitung und Gesichtserkennung

Format des Kurses

- Teilvorlesung, Teildiskussion, Übungen und intensives Üben mit Abschlussprojekt