Об этом курсе
4.3
Оценки: 61
Рецензии: 24
100% онлайн

100% онлайн

Начните сейчас и учитесь по собственному графику.
Гибкие сроки

Гибкие сроки

Назначьте сроки сдачи в соответствии со своим графиком.
Часов на завершение

Прибл. 24 часа на выполнение

Предполагаемая нагрузка: 6 semanas de estudio, 2-3 horas/semana...
Доступные языки

Испанский

Субтитры: Испанский
100% онлайн

100% онлайн

Начните сейчас и учитесь по собственному графику.
Гибкие сроки

Гибкие сроки

Назначьте сроки сдачи в соответствии со своим графиком.
Часов на завершение

Прибл. 24 часа на выполнение

Предполагаемая нагрузка: 6 semanas de estudio, 2-3 horas/semana...
Доступные языки

Испанский

Субтитры: Испанский

Программа курса: что вы изучите

Неделя
1
Часов на завершение
4 ч. на завершение

Introducción a la clasificación de imágenes

En esta primera semana explicaremos los fundamentos de la clasificación de imágenes y presentaremos todos los pasos de un primer sistema de clasificación básico. Para ello, primero veremos algunos conceptos básicos sobre el procesamiento de una imagen que nos servirán para introducir un primer método para detectar y describir características locales (SIFT) en una imagen. Luego veremos cómo podemos agrupar estas características locales para representar toda la imagen y explicaremos un primer clasificador simple, k-NN. Finalmente comentaremos los aspectos básicos de la evaluación del rendimiento de un sistema de clasificación de imágenes....
Reading
7 видео ((всего 118 мин.)), 9 материалов для самостоятельного изучения, 3 тестов
Video7 видео
Características locales de la imagen16мин
Detección de características locales: SIFT20мин
Descripción de características locales: SIFT22мин
Correspondencia de imágenes10мин
K-NN: Clasificación por vecino más cercano17мин
Evaluación del rendimiento14мин
Reading9 материала для самостоятельного изучения
Antes de empezar10мин
Temario10мин
Formato del curso y evaluación10мин
Preguntas frecuentes10мин
Enlaces relacionados10мин
Presentación del código10мин
Instalación y configuración10мин
Código y ejercicios para el módulo 110мин
Más información10мин
Quiz3 практического упражнения
Prueba tus conocimientos16мин
Prueba tus conocimientos8мин
Cuestionario del módulo 120мин
Неделя
2
Часов на завершение
3 ч. на завершение

Bag of Words (BoW)

Esta semana introduciremos Bag of Words como método de representación básico que utilizaremos mayoritariamente a lo largo de todo el curso. Explicaremos todos los detalles necesarios para construir la representación BoW de una imagen, incluyendo la construcción del vocabulario utilizando K-Means y cómo agregar la información de las características locales en la representación final en forma de histograma. En la segunda parte de la semana explicaremos Support Vector Machines (SVM) como método de clasificación, tanto los conceptos fundamentales como su formulación matemática y los detalles para entrenar y utilizar un clasificador basado en SVM. Finalmente, completaremos la explicación de la evaluación del rendimiento que introducimos en la primera semana....
Reading
7 видео ((всего 95 мин.)), 4 материалов для самостоятельного изучения, 3 тестов
Video7 видео
Construcción del vocabulario: K-Means11мин
Representación de la imagen8мин
Support Vector Machines (SVM): Conceptos básicos12мин
Support Vector Machines (SVM): Desarrollo matemático15мин
Support Vector Machines (SVM): Cuestiones prácticas16мин
Evaluación del rendimiento14мин
Reading4 материала для самостоятельного изучения
Conjunto de imágenes de entrenamiento y evaluación10мин
Código para el módulo 210мин
Ejercicios para el módulo 210мин
Más información10мин
Quiz3 практического упражнения
Prueba tus conocimientos6мин
Prueba tus conocimientos12мин
Cuestionario del módulo 220мин
Неделя
3
Часов на завершение
2 ч. на завершение

Extracción de características

En esta semana completaremos la explicación de métodos de extracción de características que iniciamos en la primera semana ofreciendo alternativas a la utilización de SIFT. En concreto veremos SURF como un nuevo método de detección y extracción más eficiente computacionalmente que SIFT. Para aumentar la capacidad descriptiva de las características analizaremos otras estrategias para la detección de características locales e introduciremos descriptores que nos permitan tener en cuenta la información del color en la imagen. Veremos también como podemos también mejorar la eficiencia computacional reduciendo la dimensión de los descriptores de carácterísticas locales. ...
Reading
6 видео ((всего 94 мин.)), 3 материалов для самостоятельного изучения, 1 тест
Video6 видео
Detección de características locales: SURF19мин
Descripción de características locales: SURF10мин
Estrategias de selección de puntos de interés15мин
Uso del color25мин
Reducción de descriptores: PCA18мин
Reading3 материала для самостоятельного изучения
Código para el módulo 310мин
Ejercicios para el módulo 310мин
Más información10мин
Quiz1 практическое упражнение
Cuestionario del módulo 320мин
Неделя
4
Часов на завершение
2 ч. на завершение

Estrategias de fusión

En esta semana veremos cómo podemos combinar diferentes descriptores que aportan diferente tipo de información en el esquema de representación BoW. Explicaremos los diferentes niveles a los que se puede hacer esta combinación: a nivel de descriptores locales (early fusion), a nivel de construcción del vocabulario (intemediate fusion) o a nivel de clasificador (late fusion)...
Reading
5 видео ((всего 63 мин.)), 3 материалов для самостоятельного изучения, 3 тестов
Video5 видео
Early fusion12мин
Intermediate fusion11мин
Late fusion13мин
Combinaciones en Late fusion15мин
Reading3 материала для самостоятельного изучения
Código para el módulo 410мин
Ejercicios para el módulo 410мин
Más información10мин
Quiz3 практического упражнения
Prueba tus conocimientos8мин
Prueba tus conocimientos8мин
Cuestionario del módulo 420мин

Преподавателя

Avatar

Ernest Valveny

Catedrático Escuela Universitaria
Departamento de Ciencias de la Computación
Avatar

Jordi Gonzàlez Sabaté

Profesor Titular de Universidad
Departamento de Ciencias de la Computación
Avatar

Ramon Baldrich Caselles

Profesor titular
Departamento de Ciencias de la Computación

О Universitat Autònoma de Barcelona

The Universitat Autònoma de Barcelona (UAB) is a public university located in the metropolitan area of Barcelona. International in its outlook, it is fully consolidated within its local surroundings, and offers quality education in close association with research activity, the transfer of scientific, technological, cultural and educational knowledge, the promotion of its human potential and the responsible management of available resources. The UAB currently offers 81 degrees, 130 official Master Programmes and 183 UAB-specific Masters Degrees. In addition, it offers 174 lifelong learning programmes and 65 PhD Programmes, 27 of which have been distinguished through Quality Awards. The UAB has a total of over 3,500 teaching and research staff, over 2,000 administrative staff and over 40,000 students....

Часто задаваемые вопросы

  • Зарегистрировавшись на сертификацию, вы получите доступ ко всем видео, тестам и заданиям по программированию (если они предусмотрены). Задания по взаимной оценке сокурсниками можно сдавать и проверять только после начала сессии. Если вы проходите курс без оплаты, некоторые задания могут быть недоступны.

  • Оплатив сертификацию, вы получите доступ ко всем материалам курса, включая оцениваемые задания. После успешного прохождения курса на странице ваших достижений появится электронный сертификат. Оттуда его можно распечатать или прикрепить к профилю LinkedIn. Просто ознакомиться с содержанием курса можно бесплатно.

  • Sí, puedes solicitar el certificado antes, durante, o al finalizar el curso.

  • Aunque el curso esté diseñado e impartido por la Universidad Autónoma de Barcelona, el certificado lo emite Coursera.

    ¿Qué información incluye?

    · el título del curso

    · la firma del (o de los) instructor(es)

    · el logo de la UAB

    · una url de verificación que permite a terceras personas comprobar la autenticidad del certificado

  • · créditos académicos de la UAB

    · la calificación final obtenida en el curso

    · tu foto del documento de identidad

    · las horas dedicadas al curso

    Recuerda que el certificado no se envía por correo postal o correo electrónico, sino que se trata de un PDF que puedes descargar e imprimir. También puedes compartirlo electrónicamente.

    Lamentablemente Coursera no puede emitir un certificado de curso con más información de la que ya incluye. Si deseas más información al respeto, por favor consulta las páginas de ayuda de Coursera.

  • No. El certificado confirma que el alumno ha superado el curso, pero no es un título oficial de la Universidad Autónoma de Barcelona.

Остались вопросы? Посетите Центр поддержки учащихся.