Python - wizja komputerowa

Wprowadzenie do wizji komputerowej i przetwarzania obrazów

• Podstawowe definicje
• Kluczowe zastosowania oraz zadania wizji komputerowej i przetwarzania obrazów
• Podstawy obrazu cyfrowego: reprezentacja, cechy, próbkowanie i kwantyzacja, przestrzenie barw, transformacje i kompresja obrazów
• Mierzenie jakości obrazów

Praca z obrazami w języku Python

• Wprowadzenie do popularnych bibliotek: NumPy, OpenCV, Pillow, scikit-image, pyvips
• Odczytywanie, zapisywanie, wyświetlanie i metadane obrazów

Przetwarzanie i manipulacja obrazami

• Podstawowe operacje na obrazach: zmiana rozmiaru, przycinanie, obracanie, odbicie, skalowanie i przesuwanie obrazów
• Ulepszanie obrazów: liniowe i nieliniowe operacje, histogram obrazu
• Filtrowanie i wypełnianie obrazów
• Metody częstotliwościowe w przetwarzaniu obrazów

Cechy obrazów

• Wykrywanie krawędzi, linii i narożników
• Geometryczne cechy obrazów
• Ramka ograniczająca i otoczka wypukła
• Statystyczne właściwości kształtu
• Tekstura
• Macierze współwystępowania
• Zastosowania lokalnych cech
• SIFT (Scale Invariant Feature Transform)
• HOG (Histogram of Oriented Gradients)
• BoF (Bag of Features)

Zadanie segmentacji w przetwarzaniu obrazów

• Progowanie, progowanie adaptacyjne
• Metody krawędziowe
• Klasteryzacja, k-means
• Segmentacja wododziałowa
• Obrazy binarne i operacje morfologiczne: dylatacja, erozja, otwarcie, domknięcie, hit-or-miss
• Skeletonizacja

Wykrywanie i rozpoznawanie obrazów

• Dopasowywanie wzorców
• Dopasowywanie cech z wykorzystaniem punktów kluczowych
• Śledzenie ruchu obiektów

Klasyfikacja obrazów z wykorzystaniem tradycyjnych algorytmów uczenia maszynowego

• Ekstrakcja cech dla uczenia maszynowego
• Trenowanie wybranych klasyfikatorów

Wprowadzenie do uczenia głębokiego dla zadań wizji komputerowej

• Różnice między klasycznym a głębokim uczeniem maszynowym w wizji komputerowej
• Podstawy splotowych sieci neuronowych (CNN)
• Popularne architektury CNN
• Wykorzystanie wstępnie wytrenowanych modeli

materiały szkoleniowe - część teoretyczna szkolenia, slajdy - zostaną udostępnione uczestnikom na szkoleniu w formie pdf.

uczestnik otrzyma certyfikat uczestnictwa z opisem nabytych umiejętności

Od uczestników wymagana jest umiejętność programowania w języku Python pozwalająca na pisanie nieskompliwanego kodu i praca z zewnętrznymi bibliotekami

Ogólna wiedza o klasycznych algorytmach i dobrych praktykach w uczeniu maszynowym

Podstawowa znajomość matematyki, w tym algebry i geometrii

Szkolenie będzie prowadzone zdalnie, w czasie rzeczywistym, na żywo, z trenerem, możliwością zadawania pytań.

Szkolenie składa się w 30% z wykładu teoretycznego, w 70% z warsztatów i samodzielnej pracy programistycznej.

Podczas szkolenia uczestnicy mają dostęp do czatu z trenerem, współdzielą ekran podczas części warsztatowej, żeby zaprezentować postęp swojej pracy.

Walidacja będzie bazowała na ocenie efektów samodzielnej pracy uczestników, będzie sprawdzała nabytą wiedzę teoretyczną i umiejętność jej zastosowania w praktyce.

szkolenie na platformie zoom, wymagane:

stabilne połączenie internetowe (zalecane min. 10Mbit/s download i 1Mbit/s upload)

przeglądarka internetowa Chrome

zainstalowana aplikacja Zoom App

dobrej jakości słuchawki oraz mikrofon (opcjonalnie) kamera internetowa

link do szkolenia zostanie przesłany uczestnikom przed szkoleniem i będzie aktywny do końca szkolenia.