Sluiten Close icon
Sluiten Close icon
Sluiten Close icon
Sluiten Close

Ontdek Brainport

Ondernemen & Innoveren

Leren & Werken

Partnership Brainport Eindhoven & PSV

Sluiten Close

Cursus Advanced Deep Learning: Computer Vision

Deze cursus biedt engineers, programmeurs en researchers een verdiepingsslag op het gebied van deep learning voor computer vision toepassingen. Lees hier meer over de cursus.

Recente ontwikkelingen op het gebied van deep learning hebben de wereld van computer vision getransformeerd. De nieuwste deep learning modellen voor beeldclassificatie, objectdetectie en beeldsegmentatie bieden kansen voor toepassingen in onder andere de maakindustrie, hightech systems, agricultuur, robotica en de medische wereld. Dankzij de integrale aanpak van de cursus Advanced deep learning: computer vision leert u modellen te ontwikkelen, te trainen en te inzetten.

  • Verdieping voor computer vision toepassingen
  • Leer over objectdetectie, beeldsegmentatie en hardware en software
  • Ontwikkel, train en zet modellen in voor een geavanceerde beeldverwerking met een integrale benadering

Over de cursus Advanced deep learning: computer vision

Deze cursus biedt engineers, programmeurs en researchers een verdiepingsslag op het gebied van deep learning voor computer vision toepassingen. De cursus geeft een gedetailleerd beeld van enkele deep learning technieken voor geavanceerde beeldverwerking met een integrale benadering: het ontwikkelen, trainen en inzetten van modellen.

Let op: Deze cursus wordt in het Engels gegeven.

Ga naar de website! Arrow icon

Deze computer vision cursus bestaat uit drie delen:

  1. Objectdetectie
  2. Beeldsegmentatie
  3. Hardware en software

Per hoofdstuk krijgt u Pythoncode opdrachten en huiswerkprojecten in de vorm van Jupyter notebooks. Veel van de deep learning algoritmes kunt u na afloop van deze cursus zelf ontwikkelen zodat u de technische skills in huis heeft om projecten zelf te beginnen.

Voorkennis
Deze cursus bouwt voort op de cursus Advanced deep learning: foundation. Om deze cursus te kunnen volgen is het vereist om over deze kennis te beschikken.

Studiebelasting
Tijdens de cursus worden er opdrachten verstrekt waar u thuis mee aan de slag gaat. Voor iedere cursusdag dient u rekening te houden met +/- 8 uur ‘huiswerk’.

Bewijs van Deelname
Indien u de cursus volledig heeft doorlopen ontvangt u een Bewijs van Deelname.

De cursus vindt plaats op de volgende momenten:
Lees hieronder meer over de dagplanningen van de cursus.

Dag 1:   01 - 02 - 2023 

Dag 2:  08 - 02 - 2023

Dag 3:  15 - 02 - 2023 

 

Cursus Programma

Dag 1: Objectdetectie
Deze lesdag legt deep learning technieken voor objectdetectie uit. De volgende onderwerpen worden behandeld:

  • Template matching
  • R-CNN
  • Fast R-CNN
  • SSD
  • YOLO
  • mAP
  • Performance measures

Dag 2: Beeldsegmentatie
Deze lesdag legt deep learning technieken voor beeldsegmentatie uit. De volgende onderwerpen worden behandeld:

  • SFCN
  • U-Net
  • DeepLab family
  • Mask R-CNN
  • Loss functions
  • Performance measures

Dag 3: hardware en software
Deze lesdag bespreekt hardware en software opties om computer vision algoritmes te implementeren.

    Meer informatie en inschrijven Arrow icon