¿Te interesa la visión por computador? ¿Te gustaría saber cómo se puede reconocer el contenido visual de las imágenes y clasificarlas a partir de su contenido?
En este curso aprenderás diferentes métodos de representación y clasificación de imágenes. El temario del curso te permitirá conocer el esquema básico de clasificación de imágenes conocido como Bag of Visual Words. A partir de este esquema básico aprenderás cómo utilizar varios descriptores locales de la imagen así como los métodos de clasificación más habituales. También describiremos diferentes extensiones del esquema básico que permiten combinar distintos descriptores, incluir información espacial o mejorar la representación final de la imagen.
Finalizar el curso te permitirá:
• Diseñar soluciones adaptadas para diferentes problemas de clasificación y reconocimiento de imágenes
• Conocer las principales técnicas usadas para la descripción y clasificación de una imagen
• Acceder a las herramientas que permiten el desarrollo de aplicaciones reales de clasificación de imágenes
El curso está orientado tanto a estudiantes universitarios de algún grado relacionado con la informática, la ingeniería o las matemáticas, como a otros estudiantes con conocimientos de programación, interesados en aprender cómo utilizar técnicas de visión por computador para extraer información de las imágenes.
Clasificación de imágenes: ¿cómo reconocer el contenido de una imagen?
proposé par
Université autonome de Barcelone
Programme du cours : ce que vous apprendrez dans ce cours
Semaine
14 heures pour terminer
Introducción a la clasificación de imágenes
En esta primera semana explicaremos los fundamentos de la clasificación de imágenes y presentaremos todos los pasos de un primer sistema de clasificación básico. Para ello, primero veremos algunos conceptos básicos sobre el procesamiento de una imagen que nos servirán para introducir un primer método para detectar y describir características locales (SIFT) en una imagen. Luego veremos cómo podemos agrupar estas características locales para representar toda la imagen y explicaremos un primer clasificador simple, k-NN. Finalmente comentaremos los aspectos básicos de la evaluación del rendimiento de un sistema de clasificación de imágenes.
7 vidéos (Total 118 min), 9 lectures, 3 quiz
7 vidéos
Bienvenida al curso15 min
Características locales de la imagen16 min
Detección de características locales: SIFT20 min
Descripción de características locales: SIFT22 min
Correspondencia de imágenes10 min
K-NN: Clasificación por vecino más cercano17 min
Evaluación del rendimiento14 min
9 lectures
Antes de empezar10 min
Temario10 min
Formato del curso y evaluación10 min
Preguntas frecuentes10 min
Enlaces relacionados10 min
Presentación del código10 min
Instalación y configuración10 min
Código y ejercicios para el módulo 110 min
Más información10 min
3 exercices pour s'entraîner
Prueba tus conocimientos16 min
Prueba tus conocimientos8 min
Cuestionario del módulo 120 min
Semaine
23 heures pour terminer
Bag of Words (BoW)
Esta semana introduciremos Bag of Words como método de representación básico que utilizaremos mayoritariamente a lo largo de todo el curso. Explicaremos todos los detalles necesarios para construir la representación BoW de una imagen, incluyendo la construcción del vocabulario utilizando K-Means y cómo agregar la información de las características locales en la representación final en forma de histograma. En la segunda parte de la semana explicaremos Support Vector Machines (SVM) como método de clasificación, tanto los conceptos fundamentales como su formulación matemática y los detalles para entrenar y utilizar un clasificador basado en SVM. Finalmente, completaremos la explicación de la evaluación del rendimiento que introducimos en la primera semana.
7 vidéos (Total 95 min), 4 lectures, 3 quiz
7 vidéos
Introducción16 min
Construcción del vocabulario: K-Means11 min
Representación de la imagen8 min
Support Vector Machines (SVM): Conceptos básicos12 min
Support Vector Machines (SVM): Desarrollo matemático15 min
Support Vector Machines (SVM): Cuestiones prácticas16 min
Evaluación del rendimiento14 min
4 lectures
Conjunto de imágenes de entrenamiento y evaluación10 min
Código para el módulo 210 min
Ejercicios para el módulo 210 min
Más información10 min
3 exercices pour s'entraîner
Prueba tus conocimientos6 min
Prueba tus conocimientos12 min
Cuestionario del módulo 220 min
Semaine
32 heures pour terminer
Extracción de características
En esta semana completaremos la explicación de métodos de extracción de características que iniciamos en la primera semana ofreciendo alternativas a la utilización de SIFT. En concreto veremos SURF como un nuevo método de detección y extracción más eficiente computacionalmente que SIFT. Para aumentar la capacidad descriptiva de las características analizaremos otras estrategias para la detección de características locales e introduciremos descriptores que nos permitan tener en cuenta la información del color en la imagen. Veremos también como podemos también mejorar la eficiencia computacional reduciendo la dimensión de los descriptores de carácterísticas locales.
6 vidéos (Total 94 min), 3 lectures, 1 quiz
6 vidéos
Detección de características locales: SURF19 min
Descripción de características locales: SURF10 min
Estrategias de selección de puntos de interés15 min
Uso del color25 min
Reducción de descriptores: PCA18 min
3 lectures
Código para el módulo 310 min
Ejercicios para el módulo 310 min
Más información10 min
1 exercice pour s'entraîner
Cuestionario del módulo 320 min
Semaine
42 heures pour terminer
Estrategias de fusión
En esta semana veremos cómo podemos combinar diferentes descriptores que aportan diferente tipo de información en el esquema de representación BoW. Explicaremos los diferentes niveles a los que se puede hacer esta combinación: a nivel de descriptores locales (early fusion), a nivel de construcción del vocabulario (intemediate fusion) o a nivel de clasificador (late fusion)
5 vidéos (Total 63 min), 3 lectures, 3 quiz
5 vidéos
Introducción11 min
Early fusion12 min
Intermediate fusion11 min
Late fusion13 min
Combinaciones en Late fusion15 min
3 lectures
Código para el módulo 410 min
Ejercicios para el módulo 410 min
Más información10 min
3 exercices pour s'entraîner
Prueba tus conocimientos8 min
Prueba tus conocimientos8 min
Cuestionario del módulo 420 min
4.4
24 avisMeilleurs avis
Estupendo curso! Estoy haciendo un TFG de un clasificador automático de sonidos y el curso me ha ayudado mucho a consolidar conceptos! 100% recomendable!!
Muy buen curso se aprende mucho y varias maneras para realisarlo a demás que se entiende de manera fácil
Enseignants
Ernest Valveny
Catedrático Escuela UniversitariaDepartamento de Ciencias de la Computación
Jordi Gonzàlez Sabaté
Profesor Titular de UniversidadDepartamento de Ciencias de la Computación
Ramon Baldrich Caselles
Profesor titularDepartamento de Ciencias de la Computación
À propos de Université autonome de Barcelone
The Universitat Autònoma de Barcelona (UAB) is a public university located in the metropolitan area of Barcelona. International in its outlook, it is fully consolidated within its local surroundings, and offers quality education in close association with research activity, the transfer of scientific, technological, cultural and educational knowledge, the promotion of its human potential and the responsible management of available resources.
The UAB currently offers 81 degrees, 130 official Master Programmes and 183 UAB-specific Masters Degrees. In addition, it offers 174 lifelong learning programmes and 65 PhD Programmes, 27 of which have been distinguished through Quality Awards. The UAB has a total of over 3,500 teaching and research staff, over 2,000 administrative staff and over 40,000 students.
Foire Aux Questions
Quand aurai-je accès aux vidéos de cours et aux devoirs ?
Une fois que vous êtes inscrit(e) pour un Certificat, vous pouvez accéder à toutes les vidéos de cours, et à tous les quiz et exercices de programmation (le cas échéant). Vous pouvez soumettre des devoirs à examiner par vos pairs et en examiner vous-même uniquement après le début de votre session. Si vous préférez explorer le cours sans l'acheter, vous ne serez peut-être pas en mesure d'accéder à certains devoirs.
À quoi ai-je droit si j'achète le Certificat ?
Lorsque vous achetez un Certificat, vous bénéficiez d'un accès à tout le contenu du cours, y compris les devoirs notés. Lorsque vous avez terminé et réussi le cours, votre Certificat électronique est ajouté à votre page Accomplissements. À partir de cette page, vous pouvez imprimer votre Certificat ou l'ajouter à votre profil LinkedIn. Si vous souhaitez seulement lire et visualiser le contenu du cours, vous pouvez accéder gratuitement au cours en tant qu'auditeur libre.
Quelle est la politique de remboursement ?
Une aide financière est-elle possible ?
¿Puedo solicitar el certificado en cualquier momento?
Sí, puedes solicitar el certificado antes, durante, o al finalizar el curso.
¿Qué información incluye el certificado?
Aunque el curso esté diseñado e impartido por la Universidad Autónoma de Barcelona, el certificado lo emite Coursera.
¿Qué información incluye?
· el título del curso
· la firma del (o de los) instructor(es)
· el logo de la UAB
· una url de verificación que permite a terceras personas comprobar la autenticidad del certificado
¿Qué información no incluye el certificado?
· créditos académicos de la UAB
· la calificación final obtenida en el curso
· tu foto del documento de identidad
· las horas dedicadas al curso
Recuerda que el certificado no se envía por correo postal o correo electrónico, sino que se trata de un PDF que puedes descargar e imprimir. También puedes compartirlo electrónicamente.
Lamentablemente Coursera no puede emitir un certificado de curso con más información de la que ya incluye. Si deseas más información al respeto, por favor consulta las páginas de ayuda de Coursera.
¿El certificado ofrece reconocimiento oficial de créditos de la UAB?
No. El certificado confirma que el alumno ha superado el curso, pero no es un título oficial de la Universidad Autónoma de Barcelona.
D'autres questions ? Visitez le Centre d'Aide pour les Etudiants.
Coursera propose un accès universel à la meilleure formation au monde,
en partenariat avec des universités et des organisations du plus haut niveau, pour proposer des cours en ligne.
© 2019 Coursera Inc. Tous droits réservés.
