Gracias por enviar su consulta! Uno de los miembros de nuestro equipo se pondrá en contacto con usted en breve.
Gracias por enviar su reserva! Uno de los miembros de nuestro equipo se pondrá en contacto con usted en breve.
Temario del curso
Introducción a la detección de objetos
- Principios básicos de la detección de objetos
- Aplicaciones de la detección de objetos
- Métricas de rendimiento para modelos de detección de objetos
Visión general de YOLOv7
- Instalación y configuración de YOLOv7
- Arquitectura y componentes de YOLOv7
- Ventajas de YOLOv7 frente a otros modelos de detección de objetos
- Variantes de YOLOv7 y sus diferencias
Proceso de entrenamiento de YOLOv7
- Preparación y anotación de datos
- Entrenamiento de modelos utilizando marcos de trabajo de aprendizaje profundo populares (TensorFlow, PyTorch, etc.)
- Ajuste fino de modelos pre-entrenados para detección de objetos personalizada
- Evaluación y ajuste para un rendimiento óptimo
Implementación de YOLOv7
- Implementación de YOLOv7 en Python
- Integración con OpenCV y otras bibliotecas de visión por computadora
- Despliegue de YOLOv7 en dispositivos de borde y plataformas en la nube
Temas avanzados
- Rastreo de múltiples objetos utilizando YOLOv7
- YOLOv7 para detección de objetos 3D
- YOLOv7 para detección de objetos en video
- Optimización de YOLOv7 para un rendimiento en tiempo real
Requerimientos
- Experiencia en programación con Python
- Comprensión de los fundamentos del aprendizaje profundo (deep learning)
- Conocimiento de los principios básicos de la visión por computadora
Público objetivo
- Ingenieros en visión por computadora
- Investigadores en aprendizaje automático (machine learning)
- Científicos de datos
- Desarrolladores de software
21 Horas
Reseñas (1)
Práctico y aplicado
Keeren Bala Krishnan - PENGUIN SOLUTIONS (SMART MODULAR)
Curso - Computer Vision with Python
Traducción Automática