Formation Computer Vision : OpenCV, Jetson

  • Référence : PYRT021
  • Durée : 21 heures
  • Certification : Non
  • Eligible CPF : Non

CONNAISSANCES PREALABLES

  • Connaissance d'un langage de programmation comme Python, Java ou C++
  • Les exercices sont réalisés en python

PROFIL DES STAGIAIRES

  • Chefs de projet, développeurs, et toute personne souhaitant utiliser la bibliothèque OpenCV pour le traitement d'images et de videos

OBJECTIFS

  • Comprendre le fonctionnement d'OpenCV
  • Savoir transformer des images
  • Utiliser les fonctionnalités d'IA d'OpenCV dans l'analyse d'images

METHODES PEDAGOGIQUES

  • 6 à 12 personnes maximum par cours, 1 poste de travail par stagiaire
  • Remise d’une documentation pédagogique papier ou numérique pendant le stage
  • La formation est constituée d’apports théoriques, d’exercices pratiques et de réflexions

METHODES D'EVALUATION DES ACQUIS

  • Auto-évaluation des acquis par le stagiaire via un questionnaire
  • Attestation de fin de stage adressée avec la facture

FORMATEUR

Consultant-Formateur expert Robotique et IA

CONTENU DU COURS Robotique et IA

1 - Introduction

  • Historique, fonctionnalités, versions, licence
  • Site de référence, documentation disponible
  • Principes de base de la vision par ordinateur
  • Positionnement OpenCV par rapport aux autres solutions du marché
  • Présentation OpenCV

2 - Mise en pratique OpenCV

  • Installation d’OpenCV
  • Exemples simples:lecture, affichage, enregistrement d’images

3 - Manipulation d'images

  • Histogramme d’une image
  • Les opérateurs binaires (NO, AND, OR, XOR) : Utilisation pour la fusion d’images
  • Histogramme d’une image
  • Conversion d’une image en binaire
  • Exemple de seuillage avec OpenCV
  • Les opérateurs binaires (NO, AND, OR, XOR) : Utilisation pour la fusion d’imagesases de traitement d’images
  • Opération sur les matrices
  • Conversion d’une image en binaire
  • Exemple de seuillage avec OpenCV
  • Les espaces de couleurs : CMYB, HSV, niveaux de gris

4 - Classificateurs et IA

  • Principe, différents classificateurs disponibles avec OpenCV
  • Exemples : détection de formes, de contours, de visages
  • Deep Learning avec PyTorch
  • Classification d’images
  • Détection d’objets
Cookies