Deteccao de Objetos com Python e OpenCV
What you’ll learn
Aprenda a detectar faces e outros objetos utilizando o OpenCV e arquivos haarcascades
Aprenda a treinar seu próprio detector de objetos
Implemente um detector de logos
Requirements
É recomendado conhecimento básico sobre lógica de programação, principalmente estruturas condicionais e de repetição (if e for)
Conhecimentos básicos sobre Python são desejáveis
Conhecimentos sobre detecção de faces são desejáveis, porém, o curso contempla duas aulas básicas sobre o assunto para nivelar o conhecimento
Description
Dentro da área da Visão Computacional existe a sub-área de detecção de objetos, que visa encontrar objetos personalizados em imagens e é muito utilizada em carros autônomos, os quais precisam identificar pedestres e outros veículos para evitar colisões, bem como reconhecer placas de trânsito para seguir uma direção segura. Essas técnicas também podem ser utilizadas para detectar praticamente qualquer tipo de objeto em imagens ou vídeos, como por exemplo: relógios, placas de veículos, animais, faces de pessoas, celulares, logo de empresas dentre vários outros! Em resumo, você pode treinar um classificador para qualquer tipo de cenário!E para levar você até essa área, neste curso você aprenderá na prática como construir classificadores personalizados para deteção de objetos, utilizando a linguagem Python e a técnica de haarcascade da biblioteca OpenCV! Você desenvolverá passo a passo dois classificadores para detectar canecas e logos de empresas! No decorrer do curso você também aprenderá as vantagens e desvantagens de utilizar essa técnica, bem como saberá quais são suas principais limitações. Além disso, você terá algumas aulas de bônus sobre o download automático de imagens e também sobre a coleta de imagens para o treinamento do detector. Você aprenderá os seguintes comandos do OpenCV:createsamples para geração de imagens positivastraincascade para treinar o detectorannotation para marcação de imagensO objetivo principal deste curso é que você tenha uma visão prática de como utilizar o OpenCV, portanto, nós mostraremos somente uma intuição básica sobre o funcionamento do algoritmo. Este curso pode ser considerado como nível iniciante, pois mesmo que este seja seu primeiro contato com a área de Visão Computacional você conseguirá acompanhar o curso!Preparado(a) para dar um importante passo na sua carreira? Aguardamos você no curso! 🙂
Overview
Section 1: Introdução
Lecture 1 Conteúdo do curso
Lecture 2 Mais sobre Inteligência Artificial
Lecture 3 Haarcascades – teoria básica
Lecture 4 Recursos para download
Lecture 5 Instalação das ferramentas
Lecture 6 Versão do OpenCV para o curso!
Lecture 7 Detecção de faces I
Lecture 8 Detecção de faces II
Lecture 9 Passos para a criação de um classificador haarcascades
Section 2: Detecção de canecas
Lecture 10 Criação de imagens positivas
Lecture 11 Criação do vetor de imagens
Lecture 12 Criação do classificador
Lecture 13 Testes com o classificador I
Lecture 14 Treinamento com mais imagens I
Lecture 15 Treinamento com mais imagens II
Lecture 16 Treinamento com mais imagens III
Lecture 17 Testes com o classificador II
Lecture 18 Ajuste dos parâmetros do treinamento
Lecture 19 Testes com o classificador III
Lecture 20 Detecção pela webcam
Lecture 21 Melhorias e parâmetros haarcascades
Section 3: Detecção de logos
Lecture 22 Criação do classificador
Lecture 23 Testes com imagens
Section 4: Tópicos complementares
Lecture 24 Download automático de imagens
Lecture 25 Coleta de imagens positivas I
Lecture 26 Coleta de imagens positivas II
Lecture 27 Pré-processamento das imagens positivas
Section 5: Considerações finais
Lecture 28 Considerações finais
Lecture 29 AULA BÔNUS
Pessoas interessadas em Inteligência Artificial,Pessoas interessadas na área de visão computacional utilizando o Python e o OpenCV,Pessoas interessadas em detecção de objetos personalizados utilizando o OpenCV
Course Information:
Udemy | Português | 3h 48m | 2.06 GB
Created by: Jones Granatyr
You Can See More Courses in the Developer >> Greetings from CourseDown.com