Applied Computer Vision
sur place ou à distance 5 séances de 3h30 lundi au vendredi, de 9h à 12h30
Cette formation propose une exploration approfondie des techniques avancées de traitement d’images et de reconnaissance de modèles.
Elle couvre une gamme étendue de sujets allant du traitement d’images de base à l’application des réseaux neuronaux convolutifs (CNN) et des techniques de détection d’objets en temps réel (YOLO).
Les participants apprendront des algorithmes avancés de machine learning, notamment dans le domaine des réseaux neuronaux et du deep learning (CNN, réseaux de neurones).
Cette formation pratique et théorique vise à fournir aux professionnels les compétences nécessaires pour développer des solutions complexes en vision par ordinateur et en reconnaissance de modèles.
Objectif
- Maîtriser les concepts avancés de la vision par ordinateur
- Apprendre à appliquer des techniques avancées pour des projets de détection d’objets et de classification d’images.
Public
Cette formation s’adresse aux professionnelsayant une bonne maîtrise des bases de l’informatique, des mathématiques (notamment l’algèbre linéaire et les probabilités), ainsi qu’une expérience en programmation, en particulier en Python. Elle est idéale pour les personnes intéressées par les domaines de la vision par ordinateur, de l’intelligence artificielle, et des applications pratiques dans des secteurs comme la géospatialité, la santé, et la sécurité.
Méthode
La méthode d’enseignement se base sur l’apprentissage par projet (PLB) qui intègre la théorie et la pratique.
La formation est intensive et requiert un travail personnel en dehors des heures de cours.
Formateurs
Les formateurs sont des experts dans leur domaine et exercent une activité professionnelle en parallèle à leur rôle d’enseignant.
Programme
- Introduction à la vision par ordinateur
- Concepts clés : détection d’objets, classification d’images, segmentation
- Applications réelles et tendances actuelles
- Traitement d’images avec OpenCV
- Opérations de base : filtres et transformations
- Techniques avancées : pyramides d’images, ondelettes
- Optimisation de modèles et ajustement
- Interpolation des données dispersées.
- Méthodes variationnelles et champs aléatoires de Markov.
- Détection et suivi d’objets
- Extraction de caractéristiques 2D
- Suivi d’objets en temps réel.
- Reconnaissance de formes et extraction de caractéristiques
- Statistiques des formes
- Représentation des formes
- Classificateurs et méthodes d’apprentissage automatique
- Classification en cascade et bayésienne
- Introduction aux classificateurs linéaires et non-linéaires.
- Segmentation d’images
- Segmentation sémantique, instance et panoptique.
- Techniques : seuil, bords, clustering.
- Apprentissage profond pour la vision par ordinateur
- Introduction aux réseaux neuronaux convolutifs (CNN)
- Perceptrons multicouches (MLP) et réseaux neuronaux récurrents (RNN)
- Méthodes avancées : YOLO et autres architectures
- Détection et classification simultanées avec YOLO
- Autres modèles d’object detection avancée
- Applications pratiques / uses cases
Libraries:
OpenCV, Matplotlib, Numpy, PyTorch, Tensorflow / Keras
Prérequis
Avoir une bonne connaissance de la programmation en Python et être familier avec l’algèbre linéaire et les théories de probabilité.
Avoir une certaine expérience en traitement de données et en analyse statistique
Prochaine session
16.06.2025 - 20.06.2025Attestation de suivi de cours
Voir les informations pour le financement
Tarif: CHF 1800 .-
S'inscrireInformations supplémentaires
Formation - Applied Computer Vision - en images
Les ateliers nomades se portent comme challenge de vous proposer des formations toujours à la pointe de la technologie.
Voir Notre Gallerie