Об этом курсе
4.6
Оценки: 236
Рецензии: 78
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. 31 часа на выполнение

Предполагаемая нагрузка: 6 weeks, 5 - 6 hours per week...
Доступные языки

Испанский

Субтитры: Испанский

Приобретаемые навыки

Machine LearningAlgorithmsSupport Vector Machine (SVM)Object DetectionImage Processing
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. 31 часа на выполнение

Предполагаемая нагрузка: 6 weeks, 5 - 6 hours per week...
Доступные языки

Испанский

Субтитры: Испанский

Программа курса: что вы изучите

Неделя
1
Часов на завершение
3 ч. на завершение

INTRODUCCIÓN A LA DETECCIÓN DE OBJETOS

En esta primera semana explicaremos los fundamentos de un detector de objetos. Empezaremos introduciendo los conceptos básicos de la formación y el análisis de imágenes, para aplicarlos en el diseño de detectores simples basados en las características de los píxeles de la imagen. Finalmente, explicaremos los conceptos de correlación y convolución y veremos cómo se pueden utilizar en la detección de objetos....
Reading
7 видео ((всего 93 мин.)), 5 материалов для самостоятельного изучения, 1 тест
Video7 видео
Bienvenida3мин
L1.1. Introducción a la detección de objetos11мин
L1.2. Formación de la imagen11мин
L1.3. Características de píxel13мин
L1.4. Componentes conexas14мин
L1.5. Template matching22мин
L1.6. Características locales17мин
Reading5 материала для самостоятельного изучения
Temario10мин
Formato del curso y evaluación10мин
Preguntas frecuentes10мин
Enlaces relacionados10мин
Materiales complementarios10мин
Quiz1 практическое упражнение
Cuestionario 120мин
Неделя
2
Часов на завершение
2 ч. на завершение

CLASIFICACIÓN DE OBJETOS

En esta semana explicaremos el concepto de clasificador de ventana como forma de decidir si una ventana candidata contiene una instancia del objeto que queremos detectar o no. Lo ilustraremos utilizando LBP como descriptor de la imagen y la regresión logística cómo método de clasificación. Nos fijaremos tanto en la parte de aprendizaje del clasificador como en su utilización para determinar el contenido de una ventana....
Reading
9 видео ((всего 117 мин.)), 1 материал для самостоятельного изучения, 1 тест
Video9 видео
L2.2.a. Local Binary Patterns13мин
L2.2.b. Local Binary Patterns - Variantes (LBP Uniforme)9мин
L2.2.c. Histograma LBP por bloques10мин
L2.3.a. Regresión logística - Clasificación (I)9мин
L2.3.b. Regresión logística - Clasificación (II)13мин
L2.4.a. Regresión Logística – Aprendizaje (I)17мин
L2.4.b. Regresión Logística – Aprendizaje (II)14мин
L2.4.c. Regresión Logística – Aprendizaje (III)23мин
Reading1 материал для самостоятельного изучения
Materiales adicionales10мин
Quiz1 практическое упражнение
Cuestionario 220мин
Неделя
3
Часов на завершение
2 ч. на завершение

DETECCIÓN DE OBJETOS

En esta semana nos centraremos primero en la fase de detección de posibles candidatos en la imagen. El conjunto de candidatos que se detecten serán analizados por el clasificador que explicamos en la semana 2 para determinar la presencia del objeto. Además, explicaremos también los pasos necesarios para poder preparar correctamente todos los datos que se utilizan en el aprendizaje y evaluación del detector. Finalmente, veremos cómo podemos evaluar de forma objetiva el rendimiento del detector. ...
Reading
9 видео ((всего 85 мин.)), 3 материалов для самостоятельного изучения, 1 тест
Video9 видео
L3.2.a. Generación de Candidatos – Ventana Deslizante9мин
L3.2.b. Generación de Candidatos – Pirámide7мин
L3.3. Generación de Candidatos – Refinación10мин
L3.4. Anotación, Bootstrapping, Aprendizaje Activo16мин
L3.5.a. Evaluación de la clasificación por ventana (I)9мин
L3.5.b. Evaluación de la clasificación por ventana (II)10мин
L3.6 Evaluación del rendimiento - Evaluación del detector8мин
L3.7 Conjuntos de Entrenamiento, Evaluación y Validación9мин
Reading3 материала для самостоятельного изучения
Código ejemplo de detector10мин
Ejercicios propuestos sobre el código del detector10мин
Materiales adicionales10мин
Quiz1 практическое упражнение
Cuestionario 320мин
Неделя
4
Часов на завершение
2 ч. на завершение

DETECTOR BASADO EN HOG/SVM

En esta semana veremos un segundo ejemplo de sistema de detección de objetos que se basará en la utilización de HOG como descriptor de la imagen y SVM como clasificador. ...
Reading
6 видео ((всего 70 мин.)), 4 материалов для самостоятельного изучения, 3 тестов
Video6 видео
L4.2. HOG - Cálculo del gradiente8мин
L4.3. HOG – Cálculo de los histogramas13мин
L4.4. HOG – Cálculo del descriptor11мин
L4.5. Support Vector Machines (SVM) – Conceptos básicos13мин
L4.6. Support Vector Machines (SVM) – Desarrollo matemático12мин
Reading4 материала для самостоятельного изучения
Código ejemplo de detector10мин
Ejercicios propuestos sobre el código del detector10мин
Materiales adicionales10мин
Referencias adicionales10мин
Quiz3 практического упражнения
Prueba tus conocimientos8мин
Prueba tus conocimientos8мин
Cuestionario 420мин

Преподавателя

Avatar

Antonio López Peña

Titular de Universidad
Departamento de Ciencias de la Computación
Avatar

Ernest Valveny

Catedrático Escuela Universitaria
Departamento de Ciencias de la Computación
Avatar

Maria Vanrell

Profesora Titular de Universidad
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.