Comprender la visión computarizada

1

¿Por qué aprender computer vision?

2

¿Qué es la visión computarizada?

3

Tipos de visión computarizada

4

Introducción a object detection: clasificación + localización

5

Aprende a identificar problemas

Dimensionamiento de proyecto de visión computarizada

6

Cómo definir los tiempos de tu proyecto

7

Cómo costear tu proyecto

8

Cómo identificar los roles necesarios en el proyecto

9

Producto mínimo viable en computer vision

Obtención y procesamiento de los datos

10

Obtención de datos para tu proyecto

11

Limpieza de la base de datos

12

Distribución de datos en entrenamiento y testeo

13

Etiquetado de los datos de test

14

Etiquetado de los datos de train

15

Transforma tu base de datos a TFRecord

16

Transformar CSV a TFRecord

Entrena, testea y optimiza tus modelos

17

Fase de entrenamiento del modelo

18

Balanceo de imágenes y data augmentation

19

Entrena, evalua y optimiza con TensorBoard

20

Validación de modelo en un entorno de ejecución

21

Re-entrenamiento del modelo para obtener mejores resultados

22

Seguimiento de centroides con OpenCV

23

Configuración de los centroides con OpenCV

24

Algoritmo de dirección y conteo con OpenCV

25

Crea un ciclo de entrenamiento de tu modelo: MLOps

Producto con visión computarizada en producción

26

Prepara tu entorno en Google Cloud Platform

27

Carga y preprocesamiento de modelos

28

Postprocesamiento de modelos

29

Despliega y consume tu modelo en producción

30

Bonus: aprende a apagar las máquinas de GCP para evitar sobrecostos

Siguientes pasos en inteligencia artificial

31

Siguientes pasos en inteligencia artificial

Crea una cuenta o inicia sesión

¡Continúa aprendiendo sin ningún costo! Únete y comienza a potenciar tu carrera

Introducción a object detection: clasificación + localización

4/31
Recursos

Aportes 4

Preguntas 0

Ordenar por:

Los aportes, preguntas y respuestas son vitales para aprender en comunidad. Regístrate o inicia sesión para participar.

Detección de objetos es regresión y clasificación al mismo tiempo.

Wow!! Una clase densa, pero muy interesante 😃
.
La métrica IoU es también conocida como el índice de Jaccar
Comparto el siguiente artículo para afianzar el entendimiento de esta métrica.

https://towardsdatascience.com/metrics-to-evaluate-your-semantic-segmentation-model-6bcb99639aa2

BOUNDING BOX
Cuadro delimitador dentro del cual se encuentran todos los pixeles de la imagen analizada.

Esos diagramas te dan la idea de la arquitectura de la red.