Detección de objetos en imágenes y videos con Pytorch

Descripción

Instructor

Aprendizaje, Innovación, Emprendimiento

Perfil de egreso

Dirigido a:

En español

30 horas

Fecha de inicio11 ene 2022

Duración5 semanas

Dedicación6 hrs semana

CertificaciónIA Center ySEP

Martes, jueves de 18:00-20:00Sábado de 12:00 a 14:00

ModalidadEn línea víaTeams

BecaMicrosoft

Tener conocimiento básico en el lenguaje de programación Python y computadora

¿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 usando librerías como Pytorch, Yolo OpenCV.

Javier Alejandro Flores Flores,

Ingeniero en Tecnologías de información por la Universidad Tecnológica de Cuidad Juárez, con más de 3 años de experiencia en inteligencia artificial y más de 7 años en la programación, Desarrollador miembro de “Devolopers Circles of Facebook”

Estudiantes y profesionales del área de tecnologías de la

información, ciencias de la computación o afines

· 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.

· Crear tus propios sets de datos con datos reales.

· Conocer las principales técnicas para la descripción y clasificación de una imagen.

· Uso de API escritas en Pytorch Ej (YoloV5 y Detectron2).

Al finalizar este curso, el egresado estará en condiciones de:

· Diseñar, a partir de un esquema básico común,

soluciones adaptadas para diferentes problemas de

detección y reconocimiento de objetos en una imagen.

Perfil de ingreso: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

1.- Introducción a la detección de objetos (1h)

8.- Detección de objetos usando YoloV5 y detectron2 (10h)

5.- Clasificación de imágenes (3h)

3.- Construcción de redes neuronales (2 h)

10. - Alcances de la detección de objetos (1h)

2.- Redes neuronales (1h)

4.- Redes neuronales (CNN, Fast R-CNN, Faster R-CNN) (3h)

6.- Creación de datasets (extraídos de imágenes y video) (3h)

7.- Detección de objectos con Pytorch (3h)

9.- Creación de instancias para ejecución de modelos (4h)