Sélectionner une page
Formations Data IA Formation Computer Vision : Image Processing avec Tensorflow

Formation Computer Vision : Image Processing avec Tensorflow

logo formation computer vision
Prix 2390€ HT / personne
3 jours (21 heures)

Paris | Classe Virtuelle

Dernières places Virtuelle uniquement
Cafés et déjeuners offerts en interentreprises
Disponible en intra-entreprise pour former votre équipe
Aide au Financement 4000€ de Bonus Atlas en CPF

Présentation

Depuis 2012, les méthodes de deep learning dans le domaine de la computer vision sont devenues un champ d’études très prisé. L’émergence des réseaux de neurones convolutionnels appelés CNN ont grandement contribué à des avancées majeures.

Les modèles n’ont cessé de s’améliorer dans leurs processus de traitement d’images. Ils permettent aujourd’hui de classifier des images, de détecter plusieurs objets dans une image en encadrant chaque objet détecté, puis en labellisant chaque pixel de l’image, etc.

Découvrez comment mettre en œuvre ces différentes architectures en utilisant la librairie Open Source TensorFlow, le système révolutionnaire de Google d’apprentissage profond. Cette formation pratique vous montrera les différentes architectures de réseaux CNN.

Vous apprendrez comment concevoir des systèmes capables de classifier une image, de détecter des objets dans des images, de labelliser chaque pixel de l’image pour une détection plus précise. Puis vous découvrirez les dernières avancées du domaine.

Nous aborderons ces concepts à travers des exemples pratiques afin que vous puissiez utiliser cette technologie dans vos projets IA.

Comme dans toutes nos formations, celle-ci vous présentera la toute dernière version stable de TensorFlow 2.8, sortie en janvier 2022, couplée à Python 3.10.

 

Objectifs

  • Pré-traiter et augmenter les données
  • Maîtriser les concepts de la classification d’images
  • Comprendre et mettre en œuvre la détection d’objets, de la segmentation sémantique et d’instance
  • Mettre en œuvre du transfer learning en réutilisant des modèles existants
  • Découvrir les nouvelles architectures basées sur les transformeurs

 

Public visé

  • Data Analyst / Data Scientist / Data Engineer
  • Développeurs, Architectes Big Data, Lead Developer

 

Pré-requis

  • Connaissance de Python
  • Connaissance du deep learning & de TensorFlow
  • Connaissances en Mathématiques (exemple : gradient)

Programme de notre formation computer vision avec Tensorflow

 

Jour 1 : De la classification d’images à la détection d’objets

 

Introduction à la vision par ordinateur

  • Architecture du cortex visuel
  • La compétition ISLVRC

Préparation des données

  • Pré-traitement
  • Augmentation des données

Classification des images

  • Extraction de features
  • Classification
  • Localization & Bounding Box
  • Labs : Créer un classifieur d’images en augmentant le jeu de données

 

Jour 2 : De la détection d’objets à la labellisation de pixels

 

Transfert Learning

  • TensorFlow Hub
  • Keras Layer

Détection d’objets

  • Region Proposal Networks RPN
  • Single Shot Detector
  • Lab : Utiliser un modèle pré-entrainé

Segmentation sémantique et d’instance

  • Fully Convolutional
  • DownSampling et UpSampling
  • Quelques modèles
  • Lab : Mettre en place un modèle de segmentation

 

Jour 3 : La vision par ordinateur avancée & les nouveautés

 

Suivi d’objets et reconnaissance d’actions

  • Reconnaissance d’actions & Pose Estimation
  • Lab : Appliquer un algorithme de Pose Estimation

Les modèles génératifs

  • Sequence 2 Sequence
  • GAN
  • Lab : A l’intérieur d’un GAN

Transfert de style

  • StyleNet
  • Lab : Appliquer un style à une image

Transformers & Capsules

  • Du NLP à la vision par ordinateur
  • Les mécanismes d’attention
  • Lab : Mise en place d’un transformer

Pour aller plus loin

Introduction au Deep Learning

Formation Pytorch

Formation Tensorflow

Formation Deep Learning pour l’interprétation et le traitement d’images

Formation Deep Learning pour le traitement du langage

Formation Deep Reinforcement Learning

Langues et Lieux disponibles

Langues

  • Français
  • Anglais / English

Lieux

  • France entière
    • Paris
    • Lille
    • Reims
    • Lyon
    • Toulouse
    • Bordeaux
    • Montpellier
    • Nice
    • Sophia Antipolis
    • Marseille
    • Aix-en-Provence
    • Nantes
    • Rennes
    • Strasbourg
    • Grenoble
    • Dijon
    • Tours
    • Saint-Étienne
    • Toulon
    • Angers
  • Belgique
    • Bruxelles
    • Liège
  • Suisse
    • Genève
    • Zurich
    • Lausanne
  • Luxembourg

Nos Formateurs Référents

Alexia

Alexia

Alexia est experte en machine learning, formatrice et conférencière. Également, Google Developer Expert en machine learning. Son premier livre est une collaboration sur l’intelligence artificielle et les neurosciences  (« Apprendre demain » – édition Dunod). Son second ouvrage, plus technique, aborde le Deep Learning (« Machine Learning using TensorFlow cookbook » – édition Packt).

Témoignages

27 novembre 2024

Les + : Les compétences/expériences du formateur et son aptitude à apporter des réponses

Les – : Recherches internet pour comprendre l’appel des fonctions à utiliser

Trop de temps passé à faire du codage/debug pour du formalisme de variable vis à vis de la durée de la formation.

En synthèse : Dans l’ensemble, j217;ai acquis des connaissances, mais pas de compétences.

Ces dernières devraient venir avec la mise en application des connaissances acquises.

Me concernant, je préfère avoir plus d’informations sur les fonctions (sans avoir à coder), et passer du temps TP sur l’analyse des choix des valeurs transmises aux fonctions (déroulé de différentes configurations dans les TP et comparer les résultats/attendus).

Didier C. de chez SAMES

Afficher tous les témoignages

27 novembre 2024

Les + : Les compétences/expériences du formateur et son aptitude à apporter des réponses

Les – : Recherches internet pour comprendre l’appel des fonctions à utiliser

Trop de temps passé à faire du codage/debug pour du formalisme de variable vis à vis de la durée de la formation.

En synthèse : Dans l’ensemble, j217;ai acquis des connaissances, mais pas de compétences.

Ces dernières devraient venir avec la mise en application des connaissances acquises.

Me concernant, je préfère avoir plus d’informations sur les fonctions (sans avoir à coder), et passer du temps TP sur l’analyse des choix des valeurs transmises aux fonctions (déroulé de différentes configurations dans les TP et comparer les résultats/attendus).

Didier C. de chez SAMES

Noter la formation

Prix 2390€ HT / personne
3 jours (21 heures)

Paris | Classe Virtuelle

Dernières places Virtuelle uniquement
Cafés et déjeuners offerts en interentreprises
Disponible en intra-entreprise pour former votre équipe
Aide au Financement 4000€ de Bonus Atlas en CPF

UNE QUESTION ? UN PROJET ? UN AUDIT DE CODE / D'INFRASTRUCTURE ?

Pour vos besoins d’expertise que vous ne trouvez nulle part ailleurs, n’hésitez pas à nous contacter.

ILS SE SONT FORMÉS CHEZ NOUS

partenaire sncf
partenaire hp
partenaire allianz
partenaire sfr
partenaire engie
partenaire boursorama
partenaire invivo
partenaire orange
partenaire psa
partenaire bnp
partenaire sncf
partenaire hp
partenaire allianz
partenaire sfr
partenaire engie
partenaire boursorama
partenaire invivo
partenaire orange
partenaire psa
partenaire bnp