O que você aprenderá
- Entenda a intuição básica sobre o classificador Cascade e HOG (Histogram of Oriented Gradients) para detecção de faces
- Implemente detecção de faces com as bibliotecas OpenCV e Dlib
- Detecte carros, relógios de parede, olhos e o corpo inteiro de pessoas com o OpenCV
- Detecte faces de imagens e pela webcam
- Entenda a teoria básica sobre o algoritmo LBPH para reconhecimento facial
- Implemente reconhecimento facial utilizando as bibliotecas OpenCV e Dlib
- Reconheça faces de imagens e pela webcam
- Entenda a teoria básica sobre os algoritmos KCF e CSRT para rastreamento de objetos
- Rastreie objetos de vídeos com a biblioteca OpenCV
- Implemente redes neurais artificiais densas para classificar imagens
- Implemente transferência de aprendizagem e fine tuning obter ótimos resultados em classificação de imagens
- Detecte objetos em imagens e vídeos utilizando a moderna técnica YOLO
- Crie imagens alucinógenas utilizando a técnica de Deep Dream
- Crie imagens que não existem no mundo real com GANs (Generative Adversarial Networks)
- Implemente segmentação de imagens para extrair informações úteis de objetos
- Aprende a teoria básica sobre redes neurais artificiais e redes neurais convolucionais
- Extraia pixels de imagens para enviar para redes neurais artificiais
- Compacte imagens utilizando autoencoders
- Reconheça ações e gestos com o OpenCV
- Aprenda como reviver quadros de artistas famosos com a técnica de transferência de estilo
- Extraia textos de imagens utilizando OCR (Optical Character Recognition)
Pré-requisitos
- Lógica de programação
- Programação básica em Python
Descrição
A Visão Computacional é uma sub-área da Inteligência Artificial responsável pela criação de sistemas capazes de processar, analisar e identificar dados visuais de um modo similar ao humano. Existem muitas aplicações comerciais em várias áreas, como por exemplo: segurança, marketing, tomada de decisão e produção. Smartphones usam visão computacional para desbloquearem celulares utilizando reconhecimento facial, carros autônomos conseguem detectar pedestres e manter uma distância segura de outros veículos e câmeras de segurança identificam se existem pessoas no ambiente para disparar um alarme. Esses são somente alguns exemplos de aplicações comerciais desta área. Os profissionais de visão computacional podem ter salários similares aos das outras áreas de Machine Learning, indo de R$ 5.000 mensais numa posição inicial a R$ 15.000 numa posição sênior.
Para levar você até essa área, neste curso você terá uma visão teórica e principalmente prática sobre as principais e mais modernas técnicas de Visão Computacional! Este curso é considerado um guia completo pelo fato de apresentar desde conceitos mais básicos até técnicas mais modernas e avançadas, de modo que ao final você terá todas as ferramentas necessárias para construir soluções de Visão Computacional que podem ser aplicadas em problemas reais! Veja abaixo alguns dos projetos/tópicos que serão implementados passo a passo:
- Detecte faces em imagens e vídeos usando as bibliotecas OpenCV e Dlib
- Aprenda como reconhecer faces utilizando o algoritmo LBPH do OpenCV e também cálculos de distância com a biblioteca Dlib
- Rastreie objetos em vídeos usando os algoritmos KCF e CSRT
- Aprenda a teoria sobre redes neurais artificiais e implemente redes neurais para classificar imagens
- Implemente redes neurais convolucionais para classificar imagens
- Utilize transferência de aprendizagem e fine tuning para obter resultados expressivos na classificação de imagens
- Detecte emoções de imagens e vídeos
- Compacte imagens utilizando autoencoders e a biblioteca TensorFlow
- Detecte objetos utilizando YOLO, umas das tecnologias mais robustas atualmente
- Converta imagens em textos utilizando OCR (Optical Character Recognition)
- Reconheça gestos e ações utilizando o OpenCV
- Crie imagens alucinógenas utilizando a técnica de Deep dream
- Combine estilos de imagens utilizando a técnica de transferência de estilo
- Crie imagens que não existem no mundo real utilizando GANs (Generative Adversarial Networks)
- Extraia informação útil de imagens utilizando segmentação de imagens
Cada tipo de problema requer técnicas diferentes para sua solução, portanto, conhecendo todas as áreas da Visão Computacional você saberá que técnicas utilizar nos mais variados tipos de cenários! Durante o curso, vamos utilizar a linguagem de programação Python, o Google Colab e também a IDE PyCharm. Este é o curso ideal caso seja seu primeiro contato com Visão Computacional, pois você aprenderá a teoria básica e a prática de todos os tópicos! Caso você seja de nível mais avançado, você pode utilizar esse curso como uma referência sobre a área.
Para quem é este curso
- Iniciantes na área de Visão Computacional
- Alunos de graduação e pós-graduação que estão cursando disciplinas sobre Visão Computacional, Inteligência Artificial, Processamento Digital de Imagens ou Computação Gráfica
- Pessoas que querem implementar seus próprios projetos utilizando técnicas de Visão Computacional
- Cientistas de Dados que queiram aumentar o seu portfólio de projetos
- Profissionais que queiram aprender como usar visão computacional para solucionar problemas reais
Publicado em setembro de 2021
MUITO BOM SEMPRE COM NOVAS ACTUALIZAÇÕES, CONTEUDO DO CURSO BEM COMPLETO MESMO
Sou iniciante em IA mas os cursos são muito bons em conteúdo.
Por enquanto, muito interessante!
Estou ansioso para iniciar de verdade o curso e adquirir o conhecimento que o Jones tem prá nós!! Muito bom !
Sim,conteúdo claro e didático até aqui.
Curso muito bem explicado, cumpre muito bem a proposta de fazer um curso tanto para iniciantes quanto avançados. O aluno consegue fazer qualquer etapa tranquilamente.
Muito bom o conteúdo, não sabia nada sobre visão computacional, até aqui o curso cria uma base muito interessante sobre o assunto.
Um bom curso, uma boa abordagem para quem gosta de trabalhar com o Colab. Diante mão, curti bastante as soluções de exercícios são práticas. Recomendo.
muito bom conteúdo. Explicação clara e direta. Ideal seria o professor realizar um módulo complementar de desenvolvimento aplicações comerciais. Ou desenvolver um curso extra do zero até o deploy para visão computacional.
boaaaa
Um resumo de várias técnicas de mapeamento de imagens, vídeos, e aproveitamento de materiais envolvendo conhecimento de redes neurais, usando principalmente python no google colab. Códigos explicados com muitos detalhes, com várias dicas de programação, desempenho, análises qualitativas, quantitativas e sem perda de tempo, direto ao ponto. Curso prático, muito bom, recomendo!
Muito bom o curso! Poderia acrescentar o treinamento de algoritmos como o yolo ou detectron que vem sendo muito utilizado.
Excelente aula, didática perfeita. Parabéns
Superou minhas expectativas. Super recomendo curso. Qualidade técnica impecável com projetos reais de Visão Computacional ( Computer Vision).
The teacher has experience with the subject and shows us many possibilities to configure the parameters.
Já conheço o trabalho do professor Jones. Sempre impecável na didática.
Gostei demais do curso, pois me deu uma visão abrangente de quais áreas posso trabalhar na área de visão computacional, quero agradecer pelo conteúdo e pelo empenho de toda equipe da IA Expert Academy e ao prof. Jones. Concluí 100% do curso :).
Gostei muito, organizado e bela didatica!
É o terceiro curso que adquiro do Jones e equipe, muito bom!
ate agr mt bom
Muito bom!
Excelente curso!
Professor excelente e extremamente competente. Gostando muito do desenvolvimento técnico do curso. Parabéns.
Excelente curso. Explicação dos conceitos teóricos é simplificada mas a parte prática ajuda em muito a compreensão. Vale a pena
Acredito que deveria haver mais um pouco de conteúdo básico
O curso é maravilhoso!
Aparentemente está cumprindo o que promete.
Até agora excelente curso.
MUITO BOM! RECOMENDO!
Você precisa fazer login e ter iniciado este curso para publicar uma avaliação.
Estou fazendo uma mestrado em analise de dados em outra país, por esse motivo minhas aulas sāo em ingles. Alem disso, o modelo de ensino é diferente e temos que realizar boa parte das pesquisas por nós mesmos. Basicamente os professores passam os projetos que devemos fazer e nós temos que pesquisar, aprender e construir esses projetos por conta própria. Por esse motivo comprei o curso. Eu tive acesso a uma demonstração da aula no YouTube e decidi que seria um bom investimento, visto que Machine learning é uma area que muito me interessa. O curso de vocês é bem explicado e detalhado, trazendo todas aquelas informações que a gente perde pelo caminho. Parabéns pelo trabalho!!!