Prazos flexíveis

Prazos flexíveis
Redefinir os prazos de acordo com sua programação.
Certificado compartilhável
Ganhe um certificado após a conclusão
100% online
Comece instantaneamente e aprenda em sua própria programação.
Aproximadamente. 18 horas para concluir
Espanhol
Legendas: Espanhol

Antonio López Peña
Titular da Universidade
Departamento de Ciências do Computador
Ernest Valveny
Professor University School
Departamento de Ciências do Computador
Maria Vanrell
Professor de universidade
Departamento de Sciencesyllabus – O que você aprenderá com este curso
Introdução à detecção de objetos
Nesta primeira semana, explicaremos as fundações de um detector de objetos. Começaremos introduzindo os conceitos básicos de formação e análise de imagem, para aplicá -los no design de detectores simples com base nas características dos pixels da imagem. Finalmente, explicaremos os conceitos de correlação e convolução e veremos como eles podem ser usados ​​na detecção de objetos.
Classificação de objetos
Nesta semana, explicaremos o conceito de classificador de janelas como uma maneira de decidir se uma janela candidata contém uma instância do objeto que queremos detectar ou não. Vamos ilustrá -lo usando o LBP como descritor da regressão de imagem e logística como método de classificação. Veremos tanto na parte de aprendizado do classificador quanto em seu uso para determinar o conteúdo de uma janela.
Detecção de objetos
Nesta semana, focaremos primeiro na fase de detecção de possíveis candidatos na imagem. O conjunto de candidatos detectados será analisado pelo classificador que explicamos na semana 2 para determinar a presença do objeto.
Detector baseado em porcos/svm
Além disso, também explicaremos as etapas necessárias para preparar corretamente todos os dados usados ​​na aprendizagem e avaliação do detector. Por fim, veremos como podemos avaliar objetivamente o desempenho do detector.
Detector baseado em haar/adaboost
Nesta semana, veremos um segundo exemplo de sistema de detecção de objetos que será baseado no uso do HOG como descritor da imagem e SVM como classificador.
Técnicas avançadas
Nesta semana, veremos um terceiro sistema de detecção com base nas características de Haar para descrever a imagem e o adaboost como um classificador. Para explicar as características do haar, também explicaremos o conceito de imagem integral. Veremos como treinar um classificador com o AdaBoost que nos permite selecionar o melhor subconjunto das características de Haar. Por fim, explicaremos como combinar vários classificadores em uma cachoeira para poder implementar um sistema de detecção completo.