Detección de objetos

开始时间: 04/22/2022 持续时间: Unknown

所在平台: CourseraArchive 课程类别: 计算机科学 大学或机构: Universitat Autònoma de Barcelona（巴塞罗那自治大学） 授课老师： Maria Vanrell Ernest Valveny Antonio López Peña

课程主页: https://www.coursera.org/course/deteccionobjetos

课程评论：没有评论

第一个写评论        关注课程

课程详情

En este curso se introducen los principios básicos de cualquier sistema automático de detección y reconocimiento de objetos en imágenes. A lo largo del curso se analizan diferentes métodos de representación y clasificación que permiten abordar casos de aplicación de complejidad creciente.

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. El curso les ofrece los conocimientos y herramientas necesarios para que sean capaces de desarrollar sus propios sistemas de detección y reconocimiento de objetos en múltiples aplicaciones.

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 del curso 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).

Los objetivos del curso son:

• 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.

课程大纲

Semana 1: Introducción a la detección de objetos

• Formación de la imagen
  
• Características de píxel
  
• Características de regiones
  
• Características espaciales: correlación, convolución
  

Semana 2: Esquema básico de clasificación

• Descriptor: Local Binary Pattern (LBP)
  
• Clasificación: Clasificador lineal
  
• Aprendizaje y test
  
• Evaluación
  

Semana 3: Esquema básico de detección

• Generación de candidatos: Sliding window
  
• Refinamiento de detecciones: Non Maximal Suppression, Mean Shift
  
• Evaluación
  

Semana 4: Ejemplo de detector (I)

• Descriptor: Histogram of Oriented Gradients (HOG)
  
• Clasificación: Support Vector Machine (SVM)
  

Semana 5: Ejemplo de detector (II)

• Descriptor: filtros de Haar
  
• Imagen integral
  
• Clasificación: Adaboost
  
• Clasificación: Random Forest
  
• Cascadas de clasificadores
  

Semana 6: Técnicas avanzadas

• Modelos de detección
  
• Convolutional Neural Networks
  
• Detección multimodal
  
• Generación de candidatos avanzada
  
• Captura de datos
  
• Visión histórica
  

课程评论(0条)