Introduit les bases du traitement d'image, couvrant les images vectoriels vs matrices, le système de couleurs RGB, l'échelle de gris, et les bibliothèques de manipulation d'image.
Couvre les bases de l'acquisition d'images, y compris les dispositifs optiques, les facteurs de résolution, les distorsions de la lentille et les technologies de capteur.
Introduit des bases de traitement d'image en Python, couvrant la manipulation, la conversion à l'échelle grise, la détection des bords et la convolution avec les noyaux.
Se penche sur le choix d'une taille de caractéristique appropriée pour l'analyse d'images dans les sciences de la vie, présentant une règle de pouce pour définir la taille de l'objet en pixels.
Se penche sur la formation et les applications des modèles Vision-Language-Action, en mettant l'accent sur le rôle des grands modèles linguistiques dans le contrôle robotique et le transfert des connaissances web. Les résultats des expériences et les orientations futures de la recherche sont mis en évidence.
Introduit des réseaux neuronaux convolutionnels (RCN) pour les véhicules autonomes, couvrant l'architecture, les applications et les techniques de régularisation.
Explore la quantification de l'incertitude et la détection d'erreurs d'étiquetage dans l'apprentissage profond pour la segmentation sémantique, en mettant l'accent sur les défis et les méthodes de détection d'erreurs.
Présente les bases de la création d’affiches dans InDesign, en mettant l’accent sur la configuration de l’espace de travail, la gestion des couleurs et la préparation à l’impression.
Introduit des techniques de traitement d'image en Python, en se concentrant sur les opérations de manipulation et de convolution à l'aide de NumPy et Pillow.
Couvre les techniques de traitement de l'image, y compris l'ajout de bruit, le filtrage et l'amélioration de l'image à l'aide de divers filtres et outils.
Se concentre sur l'application pratique de la corrélation d'images numériques pour les ingénieurs civils, couvrant la mesure des champs de déplacement et le calcul des champs de contrainte.
Couvre les bases du traitement d'images pour la microscopie, y compris l'acquisition, la correction des défauts, l'amélioration des images et l'extraction d'informations.
Couvre les principes fondamentaux du traitement de l'image scientifique, les pratiques logicielles et les considérations éthiques dans le traitement de l'image.
