Курсот го опфаќа подрачјето машински вид, а подетално анализа на слика и видео со машинско учење. Во фокусот се длабоките невронски мрежи наменети за класификација на слика, детекција на објекти, сегментација на слика и комбинирани техники за анализа на слика и видео. Во вториот дел се разгледуваат основите на 2D и 3D реконструкција на сцена од една и повеќе слики. Во материјалот се вклучени примери на системи дизајнирани за практични употреба во индустријата. На слушателите ќе им овозможи да се стекнат со основни знаења за теоретските и практичните аспекти на анализата на слика и машинскиот вид.
Преглед на курсот
| Поглавје | Детали |
| Партнер | Универзитет „Св. Килир и Методиј“ во Скопје, Факултет за електротехника и информациски технологии |
| Наслов | Машински вид |
| Услуга | Курс |
| Целна група | Индустрија: мали претпријатија, истражувачки и развојни оддели во средни претпријатија, стартапи. |
| Формат | Работилница со настава во живо |
| Фокус на клучни технологии | Конволуциски невронски мрежи, дигитално процесирње на сигнали, оптимизациски алгоритми. |
| Статус | Подготвен за понуда |
| Засегнати страни од МСП/ЈА | Претпријатија во чиј активности се вклучени системи за видеонадзор, контрола на квалитет, контрола на пристап, роботика. |
| Барања за учество | Неопходно основно познавање за програмски јазици и работни околини, пожелно основно познавање на Python. |
| Проценето времетраење | 4 дена по 4 часа. |
Опис на курсот
Курсот нуди вовед во подрачјето на машинскиот вид, со посебен акцент на анализа на слика и видео со машинско учење. Главната цел е да се запознаат учесниците со длабоките невронски мрежи и нивната примена за решавање различни проблеми од областа на анализа на слика и видео, вклучувајќи комбинирани методи за анализа.
Курсот е организиран во два главни дела:
- Длабоки невронски мрежи за анализа на слика и видео
- 2D и 3D реконструкција на сцена од една и повеќе слики
Првиот дел се фокусира на основите на длабокото учење и неговата примена за класификација на слики, детекција на објекти и сегментација на слики. Учесниците ќе се запознаат со различни архитектури на невронски мрежи, ќе ги истражат нивните предности и недостатоци за различни задачи, и ќе научат како да ги дизајнираат, нагодуваат и тренираат овие мрежи преку практични примери. Притоа ќе се акцентира на индустриските примени на овие технологии, како што се автоматизирана анализа на сообраќај, pick-and-place системи, OCR.
Во вториот дел се разгледуваат основите на 2D и 3D реконстркција на сцени од една и повеќе слики, со вклучени примери за калибрација на камери за мерење на брзина во сообраќајот.
Со курсот учесниците ќе се запознаат со основните концепти и техники за анализа и разбирање на слика и ќе се стекнат со основни знаења за теоретските и практичните аспекти на анализата на слика и машинскиот вид. Ќе стекнат искуство во употребата на работна околина за развој на алгоритми од машински вид. Ќе стекнат практично искуство во употребата на широко распространети софтверски алатки и библиотеки за анализа на слика и ќе бидат оспособени за нагодување и комбинирање на обработените техники во наменски алгоритми за анализа на слика.
Со завршувањето на курсот, учесниците ќе се запознаат со основните концепти и техники за анализа на слики и видео и ќе се стекнат со знаења за теоретските и практичните аспекти на машинскиот вид и обработката на слики. Тие ќе развијат вештини за користење на работна околина за развој на алгоритми за машински вид, како и практично искуство во работа со широко распространети софтверски алатки и библиотеки за анализа на слики. Курсот ќе ги подготви учесниците за нагодување и комбинирање на различни техники за обработка на слики, со цел развој на наменски алгоритми за ефективна анализа на слики.
Дополнителни информации за курсот
| Категорија | Детали |
| Стекнати вештини | Учесниците ќе стекнат знаења и вештини, вклучувајќи: |
| · Познавања од оснoвни концепти и техники за анализа на слика и видео со машинско учење· Практично искуство со широко распространети софтверски алатки и библиотеки за анализа на слика· Применa на длабоки невронски мрежи за анализа на слики и видеоo Класификација на слики, детекција на објекти и сегментација на слики· Дизајнирање, нагодување и тренирање на невронски мрежи преку практични примери· Основи на 2D и 3D реконструкција на сцени од една и повеќе слики· Практично искуство во употреба на работна околина за развој на алгоритми за машински вид | |
| Методи на учење | · Предавања· Практична работа во групи од по двајца до тројца слушатели· Презентација на проекти од индустријата |