Raspberry Pi + OpenCV for Facial Recognitionのトレーニングコース

OpenCV (オープンソース コンピュータ ビジョン ライブラリ: http://opencv.org) は、数百のコンピュータ ビジョン アルゴリズムを含むオープンソースの BSD ライセンス ライブラリです。

観客

このコースは、コンピュータ ビジョン プロジェクトに OpenCV を活用しようとしているエンジニアやアーキテクトを対象としています。

このインストラクターによるライブトレーニングは、OpenCV 4を使用したディープラーニングPythonのプログラミングを希望するソフトウェアエンジニアを対象としています。

このトレーニングの終了時までに、参加者は以下のことができるようになります：

• OpenCV 4を使って画像や動画を表示、読み込み、分類する。
• TensorFlowとKerasを使ってOpenCV 4にディープラーニングを実装する
。
• ディープラーニングモデルを実行し、画像や動画からインパクトのあるレポートを生成する
。

Caffeは表現力、スピード、そしてモジュール性を念頭に置いて作られた深い学習の枠組みです。

このコースでは、例としてMNISTを使用して、画像認識のためのディープラーニングフレームワークとしてのCaffeの適用を探ります。

観客

このコースは、 Caffeをフレームワークとして利用することに興味のあるDeep Learning研究者やエンジニアに適しています。

このコースを修了すると、参加者は次のことができるようになります。

• Caffeの構造と展開メカニズムを理解する
• インストール/本番環境/アーキテクチャのタスクと設定を実行する
• コード品質の評価、デバッグの実行、監視
• トレーニングモデル、レイヤの実装、ロギングなどの高度なプロダクションの実装

Marvinは、 Java開発された、拡張可能なクロスプラットフォームのオープンソースの画像およびビデオ処理フレームワークです。開発者はMarvinを使用して、画像の操作、分類作業のための画像からの特徴の抽出、アルゴリズムによる図の生成、ビデオファイルデータセットの処理、および単体テスト自動化の設定を行うことができます。

Marvinのビデオアプリケーションの中には、フィルタリング、拡張現実感、オブジェクトトラッキング、モーション検知などがあります。

この講師主導のライブコース参加者は、画像およびビデオ分析の原理を学び、 Marvin Frameworkとその画像処理アルゴリズムを利用して独自のアプリケーションを構築します。

コースの形式

• 画像解析、ビデオ解析およびMarvin Frameworkの基本原則が最初に紹介されています。学生は彼らが学んだ概念を練習することを可能にするプロジェクトベースのタスクを与えられます。クラスの終わりまでに、参加者はMarvin Frameworkとライブラリを使って独自のアプリケーションを開発するでしょう。

このインストラクターによるライブ・トレーニングは、ディープラーニング技術を使って自動運転車を作りたいと考えている開発者を対象としています。

このトレーニングの終了時までに、参加者は以下のことができるようになります：

• Kerasを使用して畳み込みニューラルネットワークを構築し、訓練する
。
• 自律走行プロジェクトで、コンピュータービジョン技術を使って車線を識別する
。
• 交通標識を区別するためにディープラーニングモデルを訓練する
。
• 完全自律走行車をシミュレートする。

SimpleCVはオープンソースのフレームワークです。つまり、ビジョンアプリケーションを開発するために使用できるライブラリとソフトウェアのコレクションです。それはあなたがウェブカメラ、Kinects、FireWireとIPカメラ、または携帯電話から来る画像やビデオストリームを扱うことを可能にします。それはあなたがあなたの様々な技術が世界を見るだけでなくそれを理解するようにするためにソフトウェアを構築するのを助けます。

観客

このコースは、SimpleCVを使用してコンピュータビジョンアプリケーションを開発しようとしているエンジニアおよび開発者を対象としています。

このインストラクターによるライブトレーニングは、ストリーミングビデオデータを解析するためのハードウェアアクセラレーションによるオブジェクト検出とトラッキングモデルの構築を希望する開発者を対象としています。

このトレーニングの終了時までに、参加者は以下のことができるようになります：

• 開発を開始するために必要な開発環境、ソフトウェア、およびライブラリをインストールし、設定します。
• ライブビデオフィードを分析するためのディープラーニングモデルを構築、訓練、展開する。
• ビデオフレーム内のさまざまなオブジェクトを識別、追跡、セグメント化、予測する。
• オブジェクトの検出と追跡モデルを最適化する
。
• インテリジェントなビデオ分析 (IVA) アプリケーションを展開します。

このインストラクターによるライブ・トレーニングは、事前にトレーニングされたYOLOモデルを企業主導のプログラムに組み込み、オブジェクト検出のための費用対効果の高いコンポーネントを実装したいバックエンド開発者やデータサイエンティストを対象としています。

このトレーニングの終了時までに、参加者は以下のことができるようになります：

• YOLOを使用したオブジェクト検出で必要なツールとライブラリのインストールと設定
。
• YOLOの事前学習済みモデルに基づいて動作するPythonコマンドラインアプリケーションのカスタマイズ
。
• さまざまなコンピュータビジョンプロジェクトのために、事前に訓練されたYOLOモデルのフレームワークを実装します。
• オブジェクト検出のための既存のデータセットをYOLOフォーマットに変換する
。
• コンピュータビジョンやディープラーニングのためのYOLOアルゴリズムの基本概念を理解する。

このインストラクターによるライブトレーニングは、YOLOv7を使用したリアルタイム物体検出の実装方法を学びたい中級から上級レベルの開発者、研究者、データ科学者を対象としています。

このトレーニングの終了時までに、参加者は以下のことができるようになります：

• オブジェクト検出の基本概念を理解する。
• オブジェクト検出タスクのためにYOLOv7をインストールし、設定する
。
• YOLOv7を使用したカスタムオブジェクト検出モデルの訓練とテスト
。
• YOLOv7を他のコンピュータービジョンフレームワークやツールと統合する。
• YOLOv7の実装に関する一般的な問題のトラブルシューティング
。

パターンマッチングは、画像内の指定されたパターンを見つけるために使用される手法です。これを使用して、取り込まれた画像内の指定された特性、たとえば工場ラインの不良品に表示されるラベル、またはコンポーネントの指定された寸法などを判断できます。 「 Pattern Recognition 」（関連するサンプルのより大きなコレクションに基づいて一般的なパターンを認識する）とは異なります。これは、探しているものを明確に示し、期待されるパターンが存在するかどうかを判断するためです。

コースの形式

• このコースでは、 Machine Visionに適用されるパターンマッチングの分野で使用されるアプローチ、テクノロジ、およびアルゴリズムを紹介します。