Reconhecimento de Emocoes com TensorFlow 20 e Python
What you’ll learn
Implemente um detector de emoções utilizando modernas técnicas de Deep Learning com Redes Neurais Convolucionais, utilizando o TensorFlow 2.0
Aprenda a detectar emoções de imagens e vídeos
Requirements
É recomendado conhecimento básico sobre lógica de programação, principalmente estruturas condicionais e de repetição (if e for)
Conhecimentos básicos sobre Python
Conhecimentos sobre redes neurais artificiais são desejáveis (no final do curso está disponível um anexo com a teoria básica sobre redes neurais)
Description
Dentro da área da Visão Computacional existe a sub-área de reconhecimento/deteção de emoções, que visa identificar emoções específicas que pessoas podem expressar em imagens ou vídeos. Alguns exemplos de aplicações são: alertar condutores de veículos que podem estar distraídos, personagens de jogos podem interagir com o usuário de acordo com a emoção expressada, monitoramento de pacientes em hospitais, avaliação do interesse dos alunos em aplicações de educação a distância, sistemas de vigilância e principalmente na área de marketing; sendo possível entender o que os consumidores estão sentindo sobre determinados produtos ou serviços.E para levar você até essa área, neste curso você desenvolverá passo a passo Redes Neurais Convolucionais utilizando o TensorFlow 2.0 e o Python para detectar emoções em vídeos e imagens! O sistema será capaz de detectar as seguintes emoções: raiva, alegria, tristeza, nojo, surpresa, medo e também se uma face não está expressando nenhuma dessas emoções. Utilizaremos modernas técnicas de Deep Learning (Aprendizagem Profunda) para o desenvolvimento dos exemplos do curso, usando a base de dados FER3 que é uma das bases de dados mais utilizadas para treinamento de sistemas de reconhecimento de emoção, que inclusive faz parte dos desafios do Kaggle!O objetivo principal deste curso é que você tenha uma visão prática de como utilizar o TensorFlow 2.0 para reconhecimento de emoções, portanto, nós mostraremos somente uma intuição básica sobre a teoria do algoritmo. Este curso é para todos os níveis, ou seja, se este for o seu primeiro contato com a área de Visão Computacional você conseguirá acompanhar o curso. Da mesma forma, se você já tem experiência na área também aproveitará o conhecimento adquirido com o desenvolvimento do projeto prático.Preparado(a) para dar um importante passo na sua carreira? Aguardamos você no curso! 🙂
Overview
Section 1: Introdução
Lecture 1 Boas-vindas e conteúdo do curso
Lecture 2 Mais sobre Inteligência Artificial
Lecture 3 Recursos para download
Section 2: Reconhecimento de emoções em imagens
Lecture 4 Introdução a reconhecimento de emoções
Lecture 5 Arquivos Google Drive
Lecture 6 Reconhecimento de emoção 1
Lecture 7 Reconhecimento de emoção 2
Lecture 8 Reconhecimento de emoção 3
Lecture 9 Reconhecimento de emoção 4
Lecture 10 Reconhecimento de emoção 5
Lecture 11 Reconhecimento de emoção 6
Lecture 12 Reconhecimento de emoção 7
Lecture 13 Solução para a tarefa
Lecture 14 Reconhecimento de emoção 8
Lecture 15 Captura de foto pela webcam
Section 3: Reconhecimento de emoção com redes neurais convolucionais
Lecture 16 Introdução a redes neurais convolucionais
Lecture 17 Reconhecimento com redes neurais convolucionais 1
Lecture 18 Reconhecimento com redes neurais convolucionais 2
Lecture 19 Reconhecimento com redes neurais convolucionais 3
Lecture 20 Reconhecimento com redes neurais convolucionais 4
Lecture 21 Reconhecimento com redes neurais convolucionais 5
Lecture 22 Reconhecimento com redes neurais convolucionais 6
Lecture 23 Reconhecimento com redes neurais convolucionais 7
Lecture 24 Reconhecimento com redes neurais convolucionais 8
Lecture 25 Reconhecimento com redes neurais convolucionais 9
Lecture 26 Reconhecimento com redes neurais convolucionais 10
Lecture 27 Reconhecimento com redes neurais convolucionais 11
Lecture 28 Reconhecimento com redes neurais convolucionais 12
Lecture 29 Reconhecimento com redes neurais convolucionais 13
Lecture 30 Reconhecimento com redes neurais convolucionais 14
Lecture 31 Reconhecimento com redes neurais convolucionais 15
Lecture 32 Reconhecimento com redes neurais convolucionais 16
Lecture 33 Reconhecimento com redes neurais convolucionais 17
Lecture 34 Reconhecimento com redes neurais convolucionais 18
Lecture 35 Outras arquiteturas de redes neurais convolucionais
Lecture 36 Comparação e carregamento do melhor modelo
Lecture 37 Reconhecimento de emoções em vídeos
Lecture 38 Carregamento de imagens a partir de diretório
Lecture 39 Data Augmentation
Lecture 40 Transfer Learning com VGG16
Lecture 41 Implementação arquitetura Inception
Section 4: Anexo I – Redes Neurais Artificiais
Lecture 42 Perceptron de uma camada
Lecture 43 Redes multicamada – função soma e função de ativação
Lecture 44 Redes multicamada – cálculo do erro
Lecture 45 Descida do gradiente
Lecture 46 Cálculo do parâmetro delta
Lecture 47 Ajuste dos pesos com backpropagation
Lecture 48 Bias, erro, descida do gradiente estocástica e mais parâmetros
Lecture 49 Funções de ativação I
Lecture 50 Funções de ativação II
Section 5: Considerações finais
Lecture 51 AULA BÔNUS
Pessoas interessadas em Inteligência Artificial,Pessoas interessadas na área de visão computacional utilizando o Python, Deep Learning e TensorFlow,Pessoas interessadas em reconhecimento de emoções de imagens e vídeos,Alunos de graduação que cursam disciplinas de Computação Gráfica, Processamento Digital de Imagens ou Inteligência Artificial
Course Information:
Udemy | Português | 5h 51m | 2.80 GB
Created by: Jones Granatyr
You Can See More Courses in the Developer >> Greetings from CourseDown.com