Course Summary
This course on Object Detection teaches you how to detect and locate objects within an image, video or live camera feed. You'll learn about the different methods and techniques used in object detection, and how to use popular deep learning frameworks to build object detection models.Key Learning Points
- Learn about object detection methods and techniques
- Build object detection models using popular deep learning frameworks
- Apply object detection to real-world problems
Related Topics for further study
Learning Outcomes
- Ability to detect and locate objects within an image or video
- Proficiency in using popular deep learning frameworks for object detection
- Skills to apply object detection to real-world problems
Prerequisites or good to have knowledge before taking this course
- Basic knowledge of Python programming
- Familiarity with machine learning concepts
Course Difficulty Level
IntermediateCourse Format
- Online
- Self-paced
- Video lectures
- Quizzes
- Assignments
Similar Courses
- Convolutional Neural Networks for Visual Recognition
- Deep Learning Specialization
- Applied Data Science with Python Specialization
Related Education Paths
Notable People in This Field
- Co-founder of Coursera, AI researcher, and educator
- Computer scientist, cognitive psychologist, and AI researcher
Related Books
Description
¿Te interesa la visión por computador? ¿Te gustarÃa conocer qué métodos puedes utilizar para detectar y reconocer objetos en una imagen?
Outline
- INTRODUCCIÓN A LA DETECCIÓN DE OBJETOS
- Bienvenida
- L1.1. Introducción a la detección de objetos
- L1.2. Formación de la imagen
- L1.3. CaracterÃsticas de pÃxel
- L1.4. Componentes conexas
- L1.5. Template matching
- L1.6. CaracterÃsticas locales
- Temario
- Formato del curso y evaluación
- Resolver dudas e incidencias
- Preguntas frecuentes
- Enlaces relacionados
- Materiales complementarios
- Cuestionario 1
- CLASIFICACIÓN DE OBJETOS
- L2.1. Introducción
- L2.2.a. Local Binary Patterns
- L2.2.b. Local Binary Patterns - Variantes (LBP Uniforme)
- L2.2.c. Histograma LBP por bloques
- L2.3.a. Regresión logÃstica - Clasificación (I)
- L2.3.b. Regresión logÃstica - Clasificación (II)
- L2.4.a. Regresión LogÃstica – Aprendizaje (I)
- L2.4.b. Regresión LogÃstica – Aprendizaje (II)
- L2.4.c. Regresión LogÃstica – Aprendizaje (III)
- Materiales adicionales
- Cuestionario 2
- DETECCIÓN DE OBJETOS
- L3.1. Introducción
- L3.2.a. Generación de Candidatos – Ventana Deslizante
- L3.2.b. Generación de Candidatos – Pirámide
- L3.3. Generación de Candidatos – Refinación
- L3.4. Anotación, Bootstrapping, Aprendizaje Activo
- L3.5.a. Evaluación de la clasificación por ventana (I)
- L3.5.b. Evaluación de la clasificación por ventana (II)
- L3.6 Evaluación del rendimiento - Evaluación del detector
- L3.7 Conjuntos de Entrenamiento, Evaluación y Validación
- Código ejemplo de detector
- Ejercicios propuestos sobre el código del detector
- Materiales adicionales
- Cuestionario 3
- DETECTOR BASADO EN HOG/SVM
- L4.1. Detector de peatones basado en HOG + SVM
- L4.2. HOG - Cálculo del gradiente
- L4.3. HOG – Cálculo de los histogramas
- L4.4. HOG – Cálculo del descriptor
- L4.5. Support Vector Machines (SVM) – Conceptos básicos
- L4.6. Support Vector Machines (SVM) – Desarrollo matemático
- Código ejemplo de detector
- Ejercicios propuestos sobre el código del detector
- Materiales adicionales
- Referencias adicionales
- Prueba tus conocimientos
- Prueba tus conocimientos
- Cuestionario 4
- DETECTOR BASADO EN HAAR/ADABOOST
- L5.1. Detector de caras basado en filtros de Haar + Adaboost
- L5.2. CaracterÃsticas de Haar
- L5.3. Imagen Integral
- L5.4. Adaboost
- L5.5. Cascada de clasificadores
- L5.6. Detalles de implementación
- Materiales adicionales
- Referencias adicionales
- Prueba tus conocimientos
- Prueba tus conocimientos
- Cuestionario 5
- TÉCNICAS AVANZADAS
- L6.1. Introducción
- L6.2. Modelos no holÃsticos: DPM
- L6.3. Modelos no holÃsticos: conjunto de expertos locales
- L6.4. Adaptación de Dominio
- L6.5. Convolutional Neural Networks (CNNs)
- L6.6. Otras modalidades de imagen
- L6.7. Generación de candidatos
- Materiales adicionales
- Cuestionario 6
- Examen final del curso
Summary of User Reviews
This course on object detection received positive reviews from learners. They found the content to be informative and practical. The course covers different algorithms and techniques for object detection, making it a comprehensive resource for learners.Key Aspect Users Liked About This Course
informative and practical contentPros from User Reviews
- Comprehensive coverage of different algorithms and techniques
- Clear explanations and examples
- Practical assignments that help reinforce learning
- Good instructor support and feedback
- Useful tips and best practices for object detection
Cons from User Reviews
- Some learners found the course too technical and difficult to follow
- The course could benefit from more hands-on exercises
- The course could be better organized and structured
- Some learners found the pace of the course too fast
- The course assumes some prior knowledge in computer vision and machine learning
Antonio López Peña
4.5 Raiting
Detección de objetos
- 4.5
-
![]()
![]()
![]()
![]()
![]()
¿Te interesa la visión por computador? ¿Te gustarÃa conocer qué métodos puedes utilizar para detectar y reconocer objetos en una imagen?...
