Temario del Taller Reconocimiento de Objetos

Temario

Modulo 1:

Introducción a la IA.

Instalación de OpenCV-Python 7.

Teoría de la luz y el color.

Proceso de las imágenes en el cerebro.

Funcionamiento de las cámaras digitales.

Modulo 2

Aplicar transformaciones geométricas a imágenes.

Lectura, visualización y almacenamiento de imágenes.

Cargar y guardar una imagen.

Cambio de formato de imagen.

Espacios de color de imagen.

Conversión de espacios de color.

División de canales de imagen.

Combinar canales de imagen.

Traducción de imágenes.

Rotación de imagen.

Escalado de imagen.

Transformaciones afines.

Transformaciones proyectivas.

Deformación de imagen.

Modulo 3:

Detección de bordes y aplicación de filtros de imagen.

convolución 2D.

desenfoque.

Tamaño del kernel frente a borrosidad.

Desenfoque de movimiento.

Afilado.

Repujado.

Detección de bordes.

Erosión y dilatación.

Creación de un filtro de viñetas.

¿Cómo movemos el foco?

Mejorar el contraste en una imagen.

¿Cómo manejamos las imágenes en color?

Modulo 4:

Caricatura de una imagen.

Acceso a la cámara web.

Ampliación de las opciones de captura.

Entradas de teclado.

Interactuando con la aplicación.

Entradas de ratón.

Interactuar con una transmisión de video en vivo.

Deconstruyendo el código.

Modulo 5:

Detección y seguimiento de diferentes partes del cuerpo.

Usar cascadas de Haar para detectar cosas.

¿Qué son las imágenes integrales?

Detección y seguimiento de rostros.

Diversión con caras.

Eliminar el canal alfa de la imagen superpuesta.

Detección de ojos.

Diversión con los ojos.

Colocación de las gafas de sol.

Detección de oídos.

Detección de una boca.

Es hora de un bigote.

Detección de alumnos.

Deconstruyendo el código.

Modulo 6:

Extracción de características de una imagen.

¿Qué son los puntos clave?

Detección de las esquinas.

Buenas características para rastrear.

Transformación de características de escala invariable (SIFT).

Funciones robustas aceleradas (SURF).

Características de la prueba de segmento acelerado (FAST).

Características elementales independientes robustas binarias (BRIEF).

Orientado FAST y Rotated BRIEF (ORB).

Modulo 7:

Talla de costura.

¿Por qué nos importa el tallado de costuras?

¿Como funciona?

¿Cómo definimos interesante?

¿Cómo calculamos las costuras?

¿Podemos ampliar una imagen?

¿Podemos eliminar un objeto por completo?

Modulo 8:

Detectar formas y segmentar una imagen.

Análisis de contornos y coincidencia de formas.

Aproximar un contorno.

Identificar una pizza con una porción sacada.

¿Qué es la segmentación de imágenes?

¿Como funciona?

Algoritmo de cuenca hidrográfica.

Modulo 9:

Seguimiento de objetos.

diferenciación de cuadros.

Seguimiento basado en espacio de color.

Construcción de un rastreador de objetos interactivo.

Seguimiento basado en características.

Sustracción de fondo.

Modulo 10:

Reconocimiento de objetos.

Detección de objetos versus reconocimiento de objetos.

¿Qué es un detector de características densas?

¿Qué es un diccionario visual?

¿Qué es el aprendizaje supervisado y no supervisado?

¿Qué son las máquinas de vectores de soporte?

¿Qué pasa si no podemos separar los datos con simples líneas rectas?

¿Cómo construimos el entrenador?

Modulo 11:

Realidad Aumentada.

¿Cuál es la premisa de la realidad aumentada?

¿Cómo es un sistema de realidad aumentada?

Transformaciones geométricas para realidad aumentada.

¿Qué es la estimación de pose?

Cómo rastrear objetos planos.

Mapeo de coordenadas de 3D a 2D.

Cómo superponer objetos 3D en un video.

Agreguemos algunos movimientos.

Modulo 12

Aprendizaje automático mediante una red neuronal artificial.

Aprendizaje automático (ML) versus red neuronal artificial (ANN).

¿Cómo funciona ANN?

Cómo definir perceptrones multicapa (MLP).

¿Cómo implementar un clasificador ANN-MLP?

Evaluar una red entrenada.

Clasificación de imágenes.