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