Informações sobre o curso

77,473 visualizações recentes
Certificados compartilháveis
Tenha o certificado após a conclusão
100% on-line
Comece imediatamente e aprenda em seu próprio cronograma.
Prazos flexíveis
Redefinir os prazos de acordo com sua programação.
Nível avançado

This is an advanced course, intended for learners with a background in computer vision and deep learning.

Aprox. 31 horas para completar
Inglês
Legendas: Inglês

O que você vai aprender

  • Work with the pinhole camera model, and perform intrinsic and extrinsic camera calibration

  • Detect, describe and match image features and design your own convolutional neural networks

  • Apply these methods to visual odometry, object detection and tracking

  • Apply semantic segmentation for drivable surface estimation

Certificados compartilháveis
Tenha o certificado após a conclusão
100% on-line
Comece imediatamente e aprenda em seu próprio cronograma.
Prazos flexíveis
Redefinir os prazos de acordo com sua programação.
Nível avançado

This is an advanced course, intended for learners with a background in computer vision and deep learning.

Aprox. 31 horas para completar
Inglês
Legendas: Inglês

Instrutores

oferecido por

Logotipo de Universidade de Toronto

Universidade de Toronto

Programa - O que você aprenderá com este curso

Semana
1

Semana 1

2 horas para concluir

Welcome to Course 3: Visual Perception for Self-Driving Cars

2 horas para concluir
4 vídeos (Total 18 mín.), 4 leituras
4 videos
Welcome to the course4min
Meet the Instructor, Steven Waslander5min
Meet the Instructor, Jonathan Kelly2min
4 leituras
Course Prerequisites15min
How to Use Discussion Forums15min
How to Use Supplementary Readings in This Course15min
Recommended Textbooks15min
7 horas para concluir

Module 1: Basics of 3D Computer Vision

7 horas para concluir
6 vídeos (Total 43 mín.), 4 leituras, 2 testes
6 videos
Lesson 1 Part 2: Camera Projective Geometry8min
Lesson 2: Camera Calibration7min
Lesson 3 Part 1: Visual Depth Perception - Stereopsis7min
Lesson 3 Part 2: Visual Depth Perception - Computing the Disparity5min
Lesson 4: Image Filtering7min
4 leituras
Supplementary Reading: The Camera Sensor30min
Supplementary Reading: Camera Calibration15min
Supplementary Reading: Visual Depth Perception30min
Supplementary Reading: Image Filtering15min
1 exercício prático
Module 1 Graded Quiz30min
Semana
2

Semana 2

7 horas para concluir

Module 2: Visual Features - Detection, Description and Matching

7 horas para concluir
6 vídeos (Total 44 mín.), 5 leituras, 1 teste
6 videos
Lesson 2: Feature Descriptors6min
Lesson 3 Part 1: Feature Matching7min
Lesson 3 Part 2: Feature Matching: Handling Ambiguity in Matching5min
Lesson 4: Outlier Rejection8min
Lesson 5: Visual Odometry9min
5 leituras
Supplementary Reading: Feature Detectors and Descriptors30min
Supplementary Reading: Feature Matching15min
Supplementary Reading: Feature Matching15min
Supplementary Reading: Outlier Rejection15min
Supplementary Reading: Visual Odometry10min
Semana
3

Semana 3

3 horas para concluir

Module 3: Feedforward Neural Networks

3 horas para concluir
6 vídeos (Total 58 mín.), 6 leituras, 1 teste
6 videos
Lesson 2: Output Layers and Loss Functions10min
Lesson 3: Neural Network Training with Gradient Descent10min
Lesson 4: Data Splits and Neural Network Performance Evaluation8min
Lesson 5: Neural Network Regularization9min
Lesson 6: Convolutional Neural Networks9min
6 leituras
Supplementary Reading: Feed-Forward Neural Networks15min
Supplementary Reading: Output Layers and Loss Functions15min
Supplementary Reading: Neural Network Training with Gradient Descent15min
Supplementary Reading: Data Splits and Neural Network Performance Evaluation10min
Supplementary Reading: Neural Network Regularization15min
Supplementary Reading: Convolutional Neural Networks10min
1 exercício prático
Feed-Forward Neural Networks30min
Semana
4

Semana 4

3 horas para concluir

Module 4: 2D Object Detection

3 horas para concluir
4 vídeos (Total 52 mín.), 4 leituras, 1 teste
4 videos
Lesson 2: 2D Object detection with Convolutional Neural Networks11min
Lesson 3: Training vs. Inference11min
Lesson 4: Using 2D Object Detectors for Self-Driving Cars14min
4 leituras
Supplementary Reading: The Object Detection Problem15min
Supplementary Reading: 2D Object detection with Convolutional Neural Networks30min
Supplementary Reading: Training vs. Inference45min
Supplementary Reading: Using 2D Object Detectors for Self-Driving Cars30min
1 exercício prático
Object Detection For Self-Driving Cars30min

Avaliações

Principais avaliações do VISUAL PERCEPTION FOR SELF-DRIVING CARS

Visualizar todas as avaliações

Sobre Programa de cursos integrados Carros autoguiáveis

Be at the forefront of the autonomous driving industry. With market researchers predicting a $42-billion market and more than 20 million self-driving cars on the road by 2025, the next big job boom is right around the corner. This Specialization gives you a comprehensive understanding of state-of-the-art engineering practices used in the self-driving car industry. You'll get to interact with real data sets from an autonomous vehicle (AV)―all through hands-on projects using the open source simulator CARLA. Throughout your courses, you’ll hear from industry experts who work at companies like Oxbotica and Zoox as they share insights about autonomous technology and how that is powering job growth within the field. You’ll learn from a highly realistic driving environment that features 3D pedestrian modelling and environmental conditions. When you complete the Specialization successfully, you’ll be able to build your own self-driving software stack and be ready to apply for jobs in the autonomous vehicle industry. It is recommended that you have some background in linear algebra, probability, statistics, calculus, physics, control theory, and Python programming. You will need these specifications in order to effectively run the CARLA simulator: Windows 7 64-bit (or later) or Ubuntu 16.04 (or later), Quad-core Intel or AMD processor (2.5 GHz or faster), NVIDIA GeForce 470 GTX or AMD Radeon 6870 HD series card or higher, 8 GB RAM, and OpenGL 3 or greater (for Linux computers)....
Carros autoguiáveis

Perguntas Frequentes – FAQ

  • O acesso a palestras e tarefas depende do tipo de inscrição. Se você participar de um curso como ouvinte, você poderá ver quase todo o conteúdo do curso gratuitamente. Para acessar tarefas valendo nota e obter um Certificado, você precisará adquirir a experiência do Certificado, durante ou após a participação como ouvinte. Se você não vir a opção de participar como ouvinte:

    • o curso pode não oferecer essa opção. Você pode experimentar um teste gratuito ou solicitar o auxílio financeiro.
    • Em vez disso, o curso pode oferecer 'Curso completo, sem Certificado'. Com esta opção, é possível ver todo o conteúdo do curso, enviar as avaliações necessárias e obter uma nota final. Isso também significa que você não poderá comprar uma experiência de Certificado.
  • Quando você se inscreve no curso, tem acesso a todos os cursos na Especialização e pode obter um certificado quando concluir o trabalho. 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.

  • Se você se inscrever, terá 7 dias para testar sem custo e, durante este período, pode cancelar sem multa. Depois disso, não reembolsamos, mas você pode cancelar sua inscrição a qualquer momento. Veja nossa política para o reembolso total.

  • Sim, a Coursera oferece auxílio financeiro ao aluno que não possa pagar a taxa. Faça a solicitação clicando no link Auxílio Financeiro, abaixo do botão "Inscreva-se" à esquerda. Preencha uma solicitação e será notificado caso seja aprovado. Você terá que completar esta etapa para cada curso na Especialização, incluindo o Trabalho de Conclusão de Curso. Saiba mais .

  • Este curso não oferece créditos universitários, mas algumas universidades podem aceitar certificados de cursos que podem ser convertidos em créditos. Entre em contato com sua instituição para saber mais. Com os cursos on-line e os certificados Mastertrack™ do Coursera, é possível ganhar créditos universitários.

Mais dúvidas? Visite o Central de Ajuda ao Aprendiz.