hong-kong現場计算机视觉培訓

本課程爲講師指導的培訓，在hong-kong（線上或線下）進行，面向希望實現和優化用於邊緣設備即時處理的計算機視覺模型的中高級計算機視覺工程師、AI開發者和物聯網專業人士。

通過本課程，參與者將能夠：

• 瞭解邊緣AI的基礎知識及其在計算機視覺中的應用。
• 在邊緣設備上部署優化的深度學習模型，用於即時圖像和視頻分析。
• 使用TensorFlow Lite、OpenVINO和NVIDIA Jetson SDK等框架進行模型部署。
• 優化AI模型，以提高性能、能效和低延遲推理。

本次由講師指導的線下或線上培訓面向希望深入瞭解計算機視覺並探索TensorFlow在Google Colab上開發複雜視覺模型能力的高級專業人員。

培訓結束後，參與者將能夠：

• 使用TensorFlow構建和訓練卷積神經網絡（CNN）。
• 利用Google Colab進行可擴展且高效的基於雲的模型開發。
• 爲計算機視覺任務實施圖像預處理技術。
• 部署計算機視覺模型以用於實際應用。
• 使用遷移學習提升CNN模型的性能。
• 可視化並解釋圖像分類模型的結果。

本課程爲講師指導的線下或線上培訓，面向中級AI開發者和計算機視覺工程師，旨在幫助他們爲自動駕駛應用構建穩健的視覺系統。

培訓結束後，學員將能夠：

• 理解自動駕駛中計算機視覺的基本概念。
• 實現目標檢測、車道檢測和語義分割的算法。
• 將視覺系統與自動駕駛的其他子系統集成。
• 應用深度學習技術完成高級感知任務。
• 評估計算機視覺模型在真實場景中的性能。

本次由講師主導的hong-kong培訓（線上或線下）面向希望從手動面部素描過渡到使用AI工具開發面部識別系統的初級執法人員。

培訓結束後，參與者將能夠：

• 瞭解人工智能和機器學習的基礎知識。
• 學習數字圖像處理的基礎知識及其在面部識別中的應用。
• 掌握使用AI工具和框架創建面部識別模型的技能。
• 獲得創建、訓練和測試面部識別系統的實踐經驗。
• 瞭解面部識別技術使用中的倫理考量和最佳實踐。

這門關於 hong-kong 的實作培訓涵蓋了用於生物研究的 Fiji 與 ImageJ 基礎知識。學員將獲得影像預處理、定量分析及巨集自動化的實務技能，以簡化組織、細胞及其他樣本的工作流程，並確保結果的可重現性。

本課程由講師主導，在hong-kong（線上或線下）提供培訓，面向中級專業人士，旨在幫助他們使用Vision Builder AI設計、實施和優化SMT（表面貼裝技術）流程中的自動檢測系統。

培訓結束後，學員將能夠：

• 使用Vision Builder AI設置和配置自動檢測。
• 獲取並預處理高質量圖像以進行分析。
• 實施基於邏輯的決策，用於缺陷檢測和流程驗證。
• 生成檢測報告並優化系統性能。

本课程为讲师引导的 hong-kong 线上或线下培训，面向中高级开发人员、研究人员和数据科学家，旨在学习如何使用 YOLOv7 实现实时物体检测。

完成本课程后，学员将能够：

• 理解物体检测的基本概念。
• 安装并配置 YOLOv7 以执行物体检测任务。
• 使用 YOLOv7 训练和测试自定义物体检测模型。
• 将 YOLOv7 与其他计算机视觉框架和工具集成。
• 排查 YOLOv7 实现过程中的常见问题。