- Level Foundation
- Course by Universitat Autònoma de Barcelona
- Offered by
About
¿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.Modules
Bienvenida al curso
- 1 Videos
- 8 Readings
1 Videos
- Bienvenida al curso
8 Readings
- Antes de empezar
- Temario
- Formato del curso y evaluación
- Resolver dudas e incidencias
- Preguntas frecuentes: generales
- Preguntas frecuentes: certificado
- Preguntas frecuentes: cuestionarios
- Enlaces relacionados
Extracción de características locales
- 3 Videos
- 1 Assignment
1 Assignment
- Prueba tus conocimientos
3 Videos
- Características locales de la imagen
- Detección de características locales: SIFT
- Descripción de características locales: SIFT
Representación y clasificación de la imagen
- 3 Videos
- 1 Assignment
1 Assignment
- Prueba tus conocimientos
3 Videos
- Correspondencia de imágenes
- K-NN: Clasificación por vecino más cercano
- Evaluación del rendimiento
Código de ejemplo
- 3 Readings
3 Readings
- Presentación del código
- Instalación y configuración
- Código y ejercicios para el módulo 1
Materiales complementarios
- 1 Readings
1 Readings
- Más información
Cuestionario del módulo
- 1 Assignment
1 Assignment
- Cuestionario del módulo 1
Respresentación BoW
- 3 Videos
- 1 Assignment
1 Assignment
- Prueba tus conocimientos
3 Videos
- Introducción
- Construcción del vocabulario: K-Means
- Representación de la imagen
Clasificación: SVM y evaluación del rendimiento
- 4 Videos
- 1 Assignment
1 Assignment
- Prueba tus conocimientos
4 Videos
- Support Vector Machines (SVM): Conceptos básicos
- Support Vector Machines (SVM): Desarrollo matemático
- Support Vector Machines (SVM): Cuestiones prácticas
- Evaluación del rendimiento
Código de ejemplo
- 3 Readings
3 Readings
- Conjunto de imágenes de entrenamiento y evaluación
- Código para el módulo 2
- Ejercicios para el módulo 2
Materiales complementarios
- 1 Readings
1 Readings
- Más información
Cuestionario del módulo
- 1 Assignment
1 Assignment
- Cuestionario del módulo 2
Disminución del coste computacional
- 3 Videos
3 Videos
- Extensión a la extracción de características
- Detección de características locales: SURF
- Descripción de características locales: SURF
Aumento de la capacidad descriptiva
- 2 Videos
2 Videos
- Estrategias de selección de puntos de interés
- Uso del color
Reducción de la dimensionalidad del descriptor
- 1 Videos
1 Videos
- Reducción de descriptores: PCA
Código de ejemplo
- 2 Readings
2 Readings
- Código para el módulo 3
- Ejercicios para el módulo 3
Materiales complementarios
- 1 Readings
1 Readings
- Más información
Cuestionario del módulo
- 1 Assignment
1 Assignment
- Cuestionario del módulo 3
Introducción
- 1 Videos
1 Videos
- Introducción
Fusión de características y descriptores
- 2 Videos
- 1 Assignment
1 Assignment
- Prueba tus conocimientos
2 Videos
- Early fusion
- Intermediate fusion
Fusión de clasificadores
- 2 Videos
- 1 Assignment
1 Assignment
- Prueba tus conocimientos
2 Videos
- Late fusion
- Combinaciones en Late fusion
Código de ejemplo
- 2 Readings
2 Readings
- Código para el módulo 4
- Ejercicios para el módulo 4
Materiales complementarios
- 1 Readings
1 Readings
- Más información
Cuestionario del módulo
- 1 Assignment
1 Assignment
- Cuestionario del módulo 4
Introducción
- 1 Videos
1 Videos
- Introducción
Las pirámides espaciales
- 3 Videos
- 1 Assignment
1 Assignment
- Prueba tus conocimientos
3 Videos
- Pirámide Espacial
- Kernel de Comparación de Pirámides
- Experimentación Práctica con Pirámides Espaciales
Aprendizaje de pirámides espaciales
- 1 Videos
- 1 Assignment
1 Assignment
- Prueba tus conocimientos
1 Videos
- Aprendiendo Pirámides Espaciales
Código de ejemplo
- 2 Readings
2 Readings
- Código para el módulo 5
- Ejercicios para el módulo 5
Materiales complementarios
- 1 Readings
1 Readings
- Más información
Cuestionario del módulo
- 1 Assignment
1 Assignment
- Cuestionario del módulo 5
Introducción: más allá de Bag of Words
- 1 Videos
1 Videos
- Introducción
Alternativas a BoW
- 4 Videos
4 Videos
- Soft Assignment
- Soft Encoding: Gaussian Mixture Models
- Soft Encoding/Soft Assignment: Fisher Vectors
- VLAD
Clasificación con datos masivos (CNNs)
- 2 Videos
2 Videos
- Convolutional Neural Networks (CNNs) (Parte I)
- Convolutional Neural Networks (CNNs) (Parte II)
Materiales complementarios
- 1 Readings
1 Readings
- Más información
Cuestionario del módulo
- 1 Assignment
1 Assignment
- Cuestionario del módulo 6
Examen final
- 1 Assignment
1 Assignment
- Examen final
Ernest Valveny
Jordi Gonzàlez Sabaté
Ramon Baldrich Caselles