Cursos de Análisis de imagen en Lèon

Fiji es un paquete de procesamiento de imágenes de código abierto que agrupa ImageJ (un programa de procesamiento de imágenes científicas multidimensionales) y una serie de complementos para el análisis de imágenes científicas. En esta capacitación en vivo dirigida por un instructor, los participantes aprenderán a usar la distribución de Fiji y su programa subyacente ImageJ para crear una aplicación de análisis de imágenes. Al final de esta capacitación, los participantes podrán:

• Utilice las características de programación avanzadas y los componentes de software de Fiji para ampliar ImageJ
• Sujete imágenes tridimensionales grandes de mosaicos superpuestos
• Actualice automáticamente una instalación de Fiji en el arranque utilizando el sistema de actualización integrado
• Seleccione entre una amplia selección de lenguajes de scripting para crear soluciones de análisis de imágenes personalizadas
• Utilice las poderosas bibliotecas de Fiji, como ImgLib en grandes conjuntos de datos de bioimagen
• Implemente su aplicación y colabore con otros científicos en proyectos similares

Audiencia

• Científicos
• Investigadores
• Desarrolladores

Formato del curso

• Conferencia de parte, discusión en parte, ejercicios y práctica práctica

Marvin es un marco de procesamiento de imágenes y videos extensible, multiplataforma y de código abierto desarrollado en Java. Los desarrolladores pueden usar Marvin para manipular imágenes, extraer características de imágenes para tareas de clasificación, generar figuras de forma algorítmica, procesar conjuntos de datos de archivos de video y configurar la automatización de pruebas unitarias. Algunas de las aplicaciones de video de Marvin incluyen filtrado, realidad aumentada, seguimiento de objetos y detección de movimiento. En este curso los participantes aprenderán los principios del análisis de imágenes y video y utilizarán el Marvin Framework y sus algoritmos de procesamiento de imágenes para construir su propia aplicación. Audiencia      Los desarrolladores de software que deseen utilizar un marco de código abierto basado en plug-ins para crear aplicaciones de procesamiento de imágenes y videos Formato del curso      Primero se presentan los principios básicos del análisis de imágenes, el análisis de video y el Marco Marvin. Los estudiantes reciben tareas basadas en proyectos que les permiten practicar los conceptos aprendidos. Al final de la clase, los participantes habrán desarrollado su propia aplicación utilizando el Marvin Framework y las bibliotecas.

PaddlePaddle (PArallel Distributed Deep LEarning) es una plataforma de aprendizaje profundo escalable desarrollada por Baidu. En esta capacitación en vivo dirigida por un instructor, los participantes aprenderán a usar PaddlePaddle para permitir el aprendizaje profundo en sus aplicaciones de productos y servicios. Al final de esta capacitación, los participantes podrán:

• Configurar y configurar PaddlePaddle
• Configure una red neuronal convolucional (CNN) para el reconocimiento de imágenes y la detección de objetos
• Configurar una Red Neuronal Recurrente (RNN) para el análisis de sentimientos
• Establecer un aprendizaje profundo sobre los sistemas de recomendación para ayudar a los usuarios a encontrar respuestas
• Predecir porcentajes de clics (CTR), clasificar conjuntos de imágenes a gran escala, realizar reconocimiento óptico de caracteres (OCR), buscar rangos, detectar virus informáticos e implementar un sistema de recomendaciones.

Audiencia

• Desarrolladores
• Científicos de datos

Formato del curso

• Conferencia de parte, discusión en parte, ejercicios y práctica práctica

La coincidencia de patrones es una técnica utilizada para localizar patrones específicos dentro de una imagen. Se puede usar para determinar la existencia de características específicas dentro de una imagen capturada, por ejemplo, la etiqueta esperada en un producto defectuoso en una línea de fábrica o las dimensiones especificadas de un componente. Es diferente de "Reconocimiento de patrones" (que reconoce patrones generales basados en colecciones más grandes de muestras relacionadas) en el sentido de que dicta específicamente lo que estamos buscando, y luego nos dice si el patrón esperado existe o no. Audiencia

•      Ingenieros y desarrolladores que buscan desarrollar aplicaciones de visión artificial
•      Ingenieros de fabricación, técnicos y gerentes

Formato del curso

•      Este curso presenta los enfoques, las tecnologías y los algoritmos utilizados en el campo de la coincidencia de patrones tal como se aplica a la Visión artificial.

Scilab es un lenguaje de alto nivel bien desarrollado, gratuito y de código abierto para la manipulación de datos científicos. Utilizado para estadísticas, gráficos y animación, simulación, procesamiento de señales, física, optimización y más, su estructura de datos central es la matriz, lo que simplifica muchos tipos de problemas en comparación con alternativas como FORTRAN y derivados C. Es compatible con lenguajes como C, Java y Python, por lo que es adecuado como un complemento de los sistemas existentes. En esta capacitación dirigida por un instructor, los participantes aprenderán las ventajas de Scilab en comparación con alternativas como Matlab, los principios básicos de la sintaxis de Scilab, así como algunas funciones avanzadas, y la interfaz con otros lenguajes ampliamente utilizados, según la demanda. El curso concluirá con un breve proyecto centrado en el procesamiento de imágenes. Al final de esta capacitación, los participantes comprenderán las funciones básicas y algunas funciones avanzadas de Scilab y tendrán los recursos para continuar expandiendo su conocimiento. Audiencia

• Científicos e ingenieros de datos, especialmente con interés en el procesamiento de imágenes y el reconocimiento facial

Formato del curso

• Conferencia parcial, discusión parcial, ejercicios y práctica práctica intensiva, con un proyecto final