Informações sobre o curso
4.6
234 classificações
75 avaliações
¿Te interesa la visión por computador? ¿Te gustaría conocer qué métodos puedes utilizar para detectar y reconocer objetos en una imagen? En este curso te introducirás en los principios básicos de cualquier sistema automático de detección y reconocimiento de objetos en imágenes. A lo largo del curso analizaremos diferentes métodos de representación y clasificación que te permitirán abordar casos de aplicación de complejidad creciente. El contenido del curso se estructura a partir de un esquema básico de detección y reconocimiento de objetos que sirve de guía para ir introduciendo tanto los diferentes métodos de extracción de características y representación de la imagen como diferentes alternativas para clasificar una imagen y para localizar todas las instancias de un objeto en la imagen. El temario incluye conceptos básicos de formación de la imagen, la convolución y su aplicación a la detección de contornos, características de regiones, descriptores de imagen (Local Binary Pattern, Histogram of Oriented Gradients, características de Haar) y varios métodos de clasificación (clasificador lineal, Support Vector Machine, Adaboost, Random Forest, Convolutional Neural Network). Finalizar el curso te permitirá: • Diseñar, a partir de un esquema básico común, soluciones adaptadas para diferentes problemas de detección y reconocimiento de objetos en una imagen, • Conocer las principales técnicas para la descripción y clasificación de una imagen, • Conocer las herramientas que permiten el desarrollo de aplicaciones reales de detección y reconocimiento de objetos, para que seas capaz de desarrollar tus propios sistemas de detección y reconocimiento de objetos en múltiples aplicaciones. El curso está orientado tanto a estudiantes universitarios de algún grado relacionado con la informática, la ingeniería o las matemáticas, como a otros estudiantes con conocimientos de programación, interesados en aprender cómo utilizar técnicas de visión por computador para extraer información de las imágenes. INICIO: 1 de Diciembre de 2015...
Globe

cursos 100% online

Comece imediatamente e aprenda em seu próprio cronograma.
Calendar

Prazos flexíveis

Redefinir os prazos de acordo com sua programação.
Clock

Approx. 29 hours to complete

Sugerido: 6 weeks, 5 - 6 hours per week...
Comment Dots

Spanish

Legendas: Spanish...

Habilidades que você terá

Machine LearningAlgorithmsSupport Vector Machine (SVM)Object DetectionImage Processing
Globe

cursos 100% online

Comece imediatamente e aprenda em seu próprio cronograma.
Calendar

Prazos flexíveis

Redefinir os prazos de acordo com sua programação.
Clock

Approx. 29 hours to complete

Sugerido: 6 weeks, 5 - 6 hours per week...
Comment Dots

Spanish

Legendas: Spanish...

Programa - O que você aprenderá com este curso

Week
1
Clock
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 93 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 exercícios práticos
Cuestionario 120min
Week
2
Clock
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 117 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 exercícios práticos
Cuestionario 220min
Week
3
Clock
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 85 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 exercícios práticos
Cuestionario 320min
Week
4
Clock
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 70 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

Antonio López Peña

Titular de Universidad
Departamento de Ciencias de la Computación

Ernest Valveny

Catedrático Escuela Universitaria
Departamento de Ciencias de la Computación

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.