In diesem Online-Studiengang erwerben Sie Programmier- und Softwareentwicklungskenntnisse zur Umsetzung von Objekterkennungsalgorithmen in realen Anwendungssituationen" 

Die hohe Bedeutung der maschinellen Bilderkennung liegt in ihrer breiten Palette von Anwendungen und Vorteilen in verschiedenen Bereichen. Ein Beispiel dafür ist die Möglichkeit, landwirtschaftliche Aufgaben wie Aussaat und Ernte zu automatisieren. Mit dem Aufkommen von Industrie 4.0 entwickelt sich die Technologie fast täglich weiter, um Fachleuten neue Werkzeuge zur Rationalisierung komplexer Aufgaben an die Hand zu geben. Für Fachleute ist die Auffrischung ihrer Kenntnisse jedoch eine Herausforderung angesichts der enormen Arbeitsbelastung, der sie ausgesetzt sind. 

Aus diesem Grund führt TECH einen Universitätskurs ein, der die neuesten Trends bei der Lokalisierung von Elementen des maschinellen Sehens zusammenführt. Der Studiengang wird sich mit Aspekten befassen, die von Verdeckungen bis hin zu Bewertungsmetriken und der Verfolgung von sich bewegenden Objekten reichen. Während des gesamten Studiums erwerben die Studenten neue Fähigkeiten, die sie in die Lage versetzen, effektiv mit Programmiersprachen umzugehen und sie in praktischen Objekterfassungsprojekten anzuwenden. Darüber hinaus wird das Fortbildungsmaterial Fallstudien enthalten, die sich auf die Erkennung und Überwachung von Personen konzentrieren. Außerdem wird das Dozententeam die Forschung und die Entwicklung neuer Ansätze anregen, um die Studenten zur Durchführung von Innovationsprozessen zu ermutigen. 

Was die Methodik des Programms betrifft, so verwendet TECH das revolutionäre Relearning-Bildungssystem. Durch die Wiederholung wesentlicher Inhalte während des gesamten Studiengangs werden die Studenten die Stunden des Lernens und Auswendiglernens, die in anderen pädagogischen Systemen vorherrschen, reduzieren. Auf diese Weise erhalten die Fachleute einen natürlichen und progressiven Bildungsprozess über den gesamten Lehrplan hinweg. Die Fachleute benötigen lediglich ein digitales Gerät mit Internetanschluss, um zu jeder Tageszeit die didaktischen Ressourcen dieses erstklassigen akademischen Angebots zu nutzen.

Sie werden innovative Projekte entwickeln, um Aufgaben wie die Identifizierung von Personen und die Gewährleistung der Sicherheit in Einrichtungen zu automatisieren“

Dieser Universitätskurs in Objekterkennung im Maschinellen Sehen enthält das vollständigste und aktuellste Programm auf dem Markt. Die hervorstechendsten Merkmale sind:

• Die Entwicklung von Fallstudien, die von Experten für Deep Learning, Informatik und maschinelles Sehen vorgestellt werden
• Der anschauliche, schematische und äußerst praxisnahe Inhalt vermittelt alle für die berufliche Praxis unverzichtbaren wissenschaftlichen und praktischen Informationen
• Die praktischen Übungen, bei denen der Selbstbewertungsprozess zur Verbesserung des Lernens durchgeführt werden kann
• Sein besonderer Schwerpunkt liegt auf innovativen Methoden 
• Theoretische Lektionen, Fragen an den Experten, Diskussionsforen zu kontroversen Themen und individuelle Reflexionsarbeit
• Die Verfügbarkeit des Zugangs zu Inhalten von jedem festen oder tragbaren Gerät mit Internetanschluss

Lernen Sie mit diesem revolutionären Programm die neuesten Techniken der Average Precision kennen“

Zu den Dozenten des Programms gehören Spezialisten aus der Branche, die ihre Berufserfahrung in diese Fortbildung einbringen, sowie renommierte Fachleute von führenden Gesellschaften und angesehenen Universitäten. 

Die multimedialen Inhalte, die mit der neuesten Bildungstechnologie entwickelt wurden, werden der Fachkraft ein situiertes und kontextbezogenes Lernen ermöglichen, d. h. eine simulierte Umgebung, die eine immersive Fortbildung bietet, die auf die Ausführung von realen Situationen ausgerichtet ist. 

Das Konzept dieses Programms konzentriert sich auf problemorientiertes Lernen, bei dem die Fachkraft versuchen muss, die verschiedenen Situationen aus der beruflichen Praxis zu lösen, die während des gesamten Studiengangs gestellt werden. Zu diesem Zweck wird sie von einem innovativen interaktiven Videosystem unterstützt, das von renommierten Experten entwickelt wurde.  

Spezialisieren Sie sich auf Objekterkennung und wagen Sie den Sprung in wachsende Branchen wie die Automobil- und Fertigungsindustrie"

Dank des Relearning-Systems von TECH erleben Sie ein schrittweises und autonomes Lernen"

In 150 Unterrichtsstunden werden die Studenten die fortschrittlichsten Techniken der maschinellen Bildverarbeitung zur Objekterkennung in ihre tägliche Praxis einbeziehen. Im Rahmen des Lehrplans werden den Studenten mehrere Instrumente zur Bewertung von Metriken zur Verfügung gestellt, darunter der Recall oder Confidence Score. Die Studenten werden also die Effektivität von Modellen des maschinellen Lernens und von Computer-Vision-Systemen bei bestimmten Aufgaben messen. Darüber hinaus wird in dem Kurs näher auf Objektverfolgung (ObjectTracking) eingegangen, um die Position, Größe oder Form eines Objekts zu verfolgen, während es sich in einer Umgebung bewegt. 

Diese Fortbildung gibt Ihnen die Möglichkeit, Ihr Wissen in einem realen Szenario zu aktualisieren, mit der maximalen wissenschaftlichen Präzision einer Institution, die an der Spitze der Technologie steht“

Modul 1. Objekterkennung

1.1. Objekterkennung und -verfolgung

1.1.1. Objekterkennung
1.1.2. Anwendungsbeispiele
1.1.3. Objektverfolgung
1.1.4. Anwendungsbeispiele
1.1.5. Okklusionen, rigid and no rigid poses

1.2. Bewertungsmetriken

1.2.1. IOU - Intersection Over Union
1.2.2. Confidence Score
1.2.3. Recall
1.2.4. Präzision
1.2.5. Recall. Precision Curve
1.2.6. Mean Average Precision (mAP)

1.3. Traditionelle Methoden

1.3.1. Sliding Window
1.3.2. Viola Detector
1.3.3. HOG
1.3.4. Non Maximal Supresion (NMS)

1.4. Datasets

1.4.1. Pascal VC
1.4.2. MS Coco
1.4.3. ImageNet (2014)
1.4.4. MOTA Challenge

1.5. Two Shot Object Detector

1.5.1. R-CNN
1.5.2. Fast R-CNN
1.5.3. Faster R-CNN
1.5.4. Mask R-CNN

1.6. Single Shot Object Detector

1.6.1. SSD
1.6.2. YOLO
1.6.3. RetinaNet
1.6.4. CenterNet
1.6.5. EfficientDet

1.7. Backbones

1.7.1. VGG
1.7.2. ResNet
1.7.3. Mobilenet
1.7.4. Shufflenet
1.7.5. Darknet

1.8. Object Tracking

1.8.1. Klassische Ansätze
1.8.2. Partikelfilter
1.8.3. Kalman
1.8.4. Sort Tracker
1.8.5. Deep Sort

1.9. Bereitstellung

1.9.1. Plattform für Datenverarbeitung
1.9.2. Backbone-Auswahl
1.9.3. Framework-Auswahl
1.9.4. Optimierung des Modells
1.9.5. Modellversionierung

1.10. Studie: Objekterkennung und -verfolgung

1.10.1. Erkennung von Personen
1.10.2. Verfolgung von Personen
1.10.3. Re-Identifizierung
1.10.4. Zählen von Menschen in Menschenmengen

Eine einzigartige, wichtige und entscheidende Fortbildung, um Ihre berufliche Entwicklung zu fördern"