Informações sobre o curso
4.6
235 classificações
77 avaliações
100% online

100% online

Comece imediatamente e aprenda em seu próprio cronograma.
Prazos flexíveis

Prazos flexíveis

Redefinir os prazos de acordo com sua programação.
Horas para completar

Aprox. 31 horas para completar

Sugerido: 6 weeks, 5 - 6 hours per week...
Idiomas disponíveis

Espanhol

Legendas: Espanhol

Habilidades que você terá

Machine LearningAlgorithmsSupport Vector Machine (SVM)Object DetectionImage Processing
100% online

100% online

Comece imediatamente e aprenda em seu próprio cronograma.
Prazos flexíveis

Prazos flexíveis

Redefinir os prazos de acordo com sua programação.
Horas para completar

Aprox. 31 horas para completar

Sugerido: 6 weeks, 5 - 6 hours per week...
Idiomas disponíveis

Espanhol

Legendas: Espanhol

Programa - O que você aprenderá com este curso

Semana
1
Horas para completar
3 horas para concluir

INTRODUCCIÓN A LA DETECCIÓN DE OBJETOS

En esta primera semana explicaremos los fundamentos de un detector de objetos. Empezaremos introduciendo los conceptos básicos de la formación y el análisis de imágenes, para aplicarlos en el diseño de detectores simples basados en las características de los píxeles de la imagen. Finalmente, explicaremos los conceptos de correlación y convolución y veremos cómo se pueden utilizar en la detección de objetos....
Reading
7 vídeos (total de (Total 93 mín.) min), 5 leituras, 1 teste
Video7 videos
L1.1. Introducción a la detección de objetos11min
L1.2. Formación de la imagen11min
L1.3. Características de píxel13min
L1.4. Componentes conexas14min
L1.5. Template matching22min
L1.6. Características locales17min
Reading5 leituras
Temario10min
Formato del curso y evaluación10min
Preguntas frecuentes10min
Enlaces relacionados10min
Materiales complementarios10min
Quiz1 exercício prático
Cuestionario 120min
Semana
2
Horas para completar
2 horas para concluir

CLASIFICACIÓN DE OBJETOS

En esta semana explicaremos el concepto de clasificador de ventana como forma de decidir si una ventana candidata contiene una instancia del objeto que queremos detectar o no. Lo ilustraremos utilizando LBP como descriptor de la imagen y la regresión logística cómo método de clasificación. Nos fijaremos tanto en la parte de aprendizaje del clasificador como en su utilización para determinar el contenido de una ventana....
Reading
9 vídeos (total de (Total 117 mín.) min), 1 leitura, 1 teste
Video9 videos
L2.2.a. Local Binary Patterns13min
L2.2.b. Local Binary Patterns - Variantes (LBP Uniforme)9min
L2.2.c. Histograma LBP por bloques10min
L2.3.a. Regresión logística - Clasificación (I)9min
L2.3.b. Regresión logística - Clasificación (II)13min
L2.4.a. Regresión Logística – Aprendizaje (I)17min
L2.4.b. Regresión Logística – Aprendizaje (II)14min
L2.4.c. Regresión Logística – Aprendizaje (III)23min
Reading1 leituras
Materiales adicionales10min
Quiz1 exercício prático
Cuestionario 220min
Semana
3
Horas para completar
2 horas para concluir

DETECCIÓN DE OBJETOS

En esta semana nos centraremos primero en la fase de detección de posibles candidatos en la imagen. El conjunto de candidatos que se detecten serán analizados por el clasificador que explicamos en la semana 2 para determinar la presencia del objeto. Además, explicaremos también los pasos necesarios para poder preparar correctamente todos los datos que se utilizan en el aprendizaje y evaluación del detector. Finalmente, veremos cómo podemos evaluar de forma objetiva el rendimiento del detector. ...
Reading
9 vídeos (total de (Total 85 mín.) min), 3 leituras, 1 teste
Video9 videos
L3.2.a. Generación de Candidatos – Ventana Deslizante9min
L3.2.b. Generación de Candidatos – Pirámide7min
L3.3. Generación de Candidatos – Refinación10min
L3.4. Anotación, Bootstrapping, Aprendizaje Activo16min
L3.5.a. Evaluación de la clasificación por ventana (I)9min
L3.5.b. Evaluación de la clasificación por ventana (II)10min
L3.6 Evaluación del rendimiento - Evaluación del detector8min
L3.7 Conjuntos de Entrenamiento, Evaluación y Validación9min
Reading3 leituras
Código ejemplo de detector10min
Ejercicios propuestos sobre el código del detector10min
Materiales adicionales10min
Quiz1 exercício prático
Cuestionario 320min
Semana
4
Horas para completar
2 horas para concluir

DETECTOR BASADO EN HOG/SVM

En esta semana veremos un segundo ejemplo de sistema de detección de objetos que se basará en la utilización de HOG como descriptor de la imagen y SVM como clasificador. ...
Reading
6 vídeos (total de (Total 70 mín.) min), 4 leituras, 3 testes
Video6 videos
L4.2. HOG - Cálculo del gradiente8min
L4.3. HOG – Cálculo de los histogramas13min
L4.4. HOG – Cálculo del descriptor11min
L4.5. Support Vector Machines (SVM) – Conceptos básicos13min
L4.6. Support Vector Machines (SVM) – Desarrollo matemático12min
Reading4 leituras
Código ejemplo de detector10min
Ejercicios propuestos sobre el código del detector10min
Materiales adicionales10min
Referencias adicionales10min
Quiz3 exercícios práticos
Prueba tus conocimientos8min
Prueba tus conocimientos8min
Cuestionario 420min

Instrutores

Avatar

Antonio López Peña

Titular de Universidad
Departamento de Ciencias de la Computación
Avatar

Ernest Valveny

Catedrático Escuela Universitaria
Departamento de Ciencias de la Computación
Avatar

Maria Vanrell

Profesora Titular de Universidad
Departamento de Ciencias de la Computación

Sobre Universitat Autònoma de Barcelona

The Universitat Autònoma de Barcelona (UAB) is a public university located in the metropolitan area of Barcelona. International in its outlook, it is fully consolidated within its local surroundings, and offers quality education in close association with research activity, the transfer of scientific, technological, cultural and educational knowledge, the promotion of its human potential and the responsible management of available resources. The UAB currently offers 81 degrees, 130 official Master Programmes and 183 UAB-specific Masters Degrees. In addition, it offers 174 lifelong learning programmes and 65 PhD Programmes, 27 of which have been distinguished through Quality Awards. The UAB has a total of over 3,500 teaching and research staff, over 2,000 administrative staff and over 40,000 students....

Perguntas Frequentes – FAQ

  • Ao se inscrever para um Certificado, você terá acesso a todos os vídeos, testes e tarefas de programação (se aplicável). Tarefas avaliadas pelos colegas apenas podem ser enviadas e avaliadas após o início da sessão. Caso escolha explorar o curso sem adquiri-lo, talvez você não consiga acessar certas tarefas.

  • Quando você adquire o Certificado, ganha acesso a todo o material do curso, incluindo avaliações com nota atribuída. Após concluir o curso, seu Certificado eletrônico será adicionado à sua página de Participações e você poderá imprimi-lo ou adicioná-lo ao seu perfil no LinkedIn. Se quiser apenas ler e assistir o conteúdo do curso, você poderá frequentá-lo como ouvinte sem custo.

  • Sí, puedes solicitar el certificado antes, durante, o al finalizar el curso.

  • Aunque el curso esté diseñado e impartido por la Universidad Autónoma de Barcelona, el certificado lo emite Coursera.

    ¿Qué información incluye?

    · el título del curso

    · la firma del (o de los) instructor(es)

    · el logo de la UAB

    · una url de verificación que permite a terceras personas comprobar la autenticidad del certificado

  • · créditos académicos de la UAB

    · la calificación final obtenida en el curso

    · tu foto del documento de identidad

    · las horas dedicadas al curso

    Recuerda que el certificado no se envía por correo postal o correo electrónico, sino que se trata de un PDF que puedes descargar e imprimir. También puedes compartirlo electrónicamente.

    Lamentablemente Coursera no puede emitir un certificado de curso con más información de la que ya incluye. Si deseas más información al respeto, por favor consulta las páginas de ayuda de Coursera.

  • No. El certificado confirma que el alumno ha superado el curso, pero no es un título oficial de la Universidad Autónoma de Barcelona.

Mais dúvidas? Visite o Central de Ajuda ao Aprendiz.