Reconhecimento de Faces e de Objetos com Python e Dlib
What you’ll learn
Aprenda detectar faces utilizando as técnicas de haarcascade, HOG e redes neurais convolucionais (CNN)
Aprenda a utilizar o detector de pontos faciais do Dlib (detector com 68 e 5 pontos)
Aprenda reconhecimento facial utilizando os recursos do Dlib
Crie seu próprio detector de objetos e preditor de forma utilizando a ferramenta imglab do Dlib
Aprenda a detectar objetos personalizados usando imagens e pela webcam
Requirements
É recomendado conhecimento básico sobre lógica de programação
Conhecimentos básicos sobre Python são desejáveis
Conhecimentos sobre detecção de faces e reconhecimento facial com o OpenCV são desejáveis
Conhecimentos básicos sobre aprendizagem de máquina são desejáveis, bem como os algoritmos: SVM, KNN e redes neurais
Description
Dentro da área da Visão Computacional existem três subáreas que se destacam e são muito utilizadas em aplicações comerciais: a detecção de faces, o reconhecimento facial e a detecção de objetos. A primeira está relacionada a encontrar faces em imagens e exemplos desta técnica podem ser encontrados nas câmeras digitais que inserem um retângulo em volta da face para enquadrar a pessoa. Já o reconhecimento facial tem o objetivo de identificar quais são as pessoas que estão em uma foto, tendo como exemplo os sistemas de segurança que identificam se uma determinada pessoa está ou não presente em um ambiente. Por fim, a detecção de objetos visa encontrar objetos personalizados em imagens e atualmente essa técnica 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.
Com base nisso, neste curso você vai aprender passo a passo a implementar essas três técnicas! Utilizaremos a linguagem Python e a biblioteca Dlib, que atualmente é umas das mais eficientes para visão computacional e resolução de problemas de aprendizagem de máquina. Essa biblioteca implementa internamente vários algoritmos para essas tarefas, bem como SVM (máquinas de vetores de suporte), HOG (histograma de gradientes orientados), KNN (vizinhos mais próximos) e redes neurais convolucionais (CNN). Inclusive quando trabalhamos com o Dlib, indiretamente estamos utilizando recursos de Deep Learning, que são as técnicas mais relevantes hoje em dia no cenário da Inteligência Artificial! E o melhor de tudo é que esses algoritmos complexos já estão embutidos na própria biblioteca, portanto, com algumas poucas linhas de código é possível criar nosso próprio sistema de reconhecimento facial ou detector de objetos personalizado! Além disso, também faremos alguns comparativos das técnicas de detecção de faces do Dlib com o OpenCV, para que você entenda melhor as diferenças entre essas duas importantes bibliotecas para processamento digital de imagens e visão computacional!
O objetivo principal deste curso é que você tenha uma visão prática de como utilizar o Dlib, portanto, nós mostraremos somente uma intuição básica sobre o funcionamento dos algoritmos. Outro detalhe é que recomenda-se que você já tenha um conhecimento prévio sobre detecção de faces e reconhecimento facial utilizando o OpenCV, pois assim o conteúdo fluirá melhor! Caso este seja seu primeiro curso na área de visão computacional, sugerimos que você faça primeiramente os cursos “Detecção de Faces com Python e OpenCV” e “Reconhecimento Facial com Python e OpenCV”. Porém, dependendo do seu nível de conhecimento nessa área, é também possível acompanhar o conteúdo sem ter concluído os cursos acima. Devido a esse “pré-requisito”, este curso é categorizado como o nível intermediário.
Preparado(a) para dar um importante passo na sua carreira? Aguardamos você no curso! 🙂
Overview
Section 1: Introdução e conteúdo do curso
Lecture 1 Introdução e conteúdo do curso
Lecture 2 Mais sobre Inteligência Artificial
Lecture 3 OpenCV e Dlib
Lecture 4 Instalação das ferramentas
Section 2: Detecção de faces
Lecture 5 Imagens utilizadas no curso
Lecture 6 Conceitos iniciais sobre detecção de faces
Lecture 7 Detecção de faces com haarcascades – teoria
Lecture 8 Detecção de faces com haarcascades e OpenCV
Lecture 9 Detecção de faces com HOG – teoria
Lecture 10 Detecção de faces com HOG e Dlib I
Lecture 11 Detecção de faces com HOG e Dlib II
Lecture 12 Detecção de faces com redes neurais convolucionais (CNN) – teoria
Lecture 13 Detecção de faces com CNN e Dlib
Lecture 14 Comparativo HOG x CNN
Lecture 15 Comparativo haarcascade x HOG x CNN
Section 3: Reconhecimento facial
Lecture 16 Introdução ao reconhecimento facial
Lecture 17 Detecção de pontos faciais I
Lecture 18 Detecção de pontos faciais II
Lecture 19 Detecção de pontos faciais III
Lecture 20 Reconhecimento facial – treinamento I
Lecture 21 Reconhecimento facial – treinamento II
Lecture 22 Reconhecimento facial – treinamento III
Lecture 23 Reconhecimento facial – teste I
Lecture 24 Introdução ao algoritmo KNN I
Lecture 25 Introdução ao algoritmo KNN II
Lecture 26 Reconhecimento facial – teste II
Lecture 27 Reconhecimento facial – teste III
Lecture 28 Reconhecimento facial – Yalefaces I
Lecture 29 Reconhecimento facial – Yalefaces II
Lecture 30 Alinhamento facial
Section 4: Detecção de objetos
Lecture 31 Instalação do imglab
Lecture 32 Detecção de objetos – treinamento I
Lecture 33 Introdução ao algoritmo SVM I
Lecture 34 Introdução ao algoritmo SVM II
Lecture 35 Detecção de objetos – treinamento II
Lecture 36 Detecção de objetos – treinamento III
Lecture 37 Detecção de objetos – teste I
Lecture 38 Detecção de objetos – teste II
Lecture 39 Valor da precisão do teste
Lecture 40 Preditor de forma – treinamento I
Lecture 41 Preditor de forma – treinamento II
Lecture 42 Preditor de forma – teste I
Lecture 43 Preditor de forma – teste II
Lecture 44 Detecção de logos I
Lecture 45 Detecção de logos II
Lecture 46 Detecção de objetos pela webcam
Section 5: Considerações finais
Lecture 47 Considerações finais
Lecture 48 Código fonte completo
Lecture 49 AULA BÔNUS
Pessoas interessadas em Inteligência Artificial,Pessoas interessadas na área de visão computacional utilizando Python e Dlib,Pessoas interessadas em reconhecimento facial,Pessoas interessadas em detecção de objetos personalizados
Course Information:
Udemy | Português | 7h 1m | 3.18 GB
Created by: Jones Granatyr
You Can See More Courses in the IT & Software >> Greetings from CourseDown.com