Programa del Curso

Introducción a la detección de objetos

  • Conceptos básicos de detección de objetos
  • Aplicaciones de detección de objetos
  • Métricas de rendimiento para modelos de detección de objetos

Descripción general de YOLOv7

  • Instalación y configuración de YOLOv7
  • Arquitectura y componentes de YOLOv7
  • Ventajas de YOLOv7 sobre otros modelos de detección de objetos
  • Variantes de YOLOv7 y sus diferencias

Proceso de entrenamiento YOLOv7

  • Preparación y anotación de datos
  • Modele el entrenamiento utilizando marcos de aprendizaje profundo populares (TensorFlow, PyTorch, etc.)
  • Ajuste fino de modelos previamente entrenados para la detección de objetos personalizados
  • Evaluación y ajuste para un rendimiento óptimo

Implementación de YOLOv7

  • Implementación de YOLOv7 en Python
  • Integración con OpenCV y otras librerías de visión artificial
  • Implementación de YOLOv7 en dispositivos perimetrales y plataformas en la nube

Temas Avanzados

  • Seguimiento multiobjeto con YOLOv7
  • YOLOv7 para la detección de objetos en 3D
  • YOLOv7 para la detección de objetos de vídeo
  • Optimización de YOLOv7 para un rendimiento en tiempo real

Resumen y próximos pasos

Requerimientos

  • Experiencia con Python programación
  • Comprensión de los fundamentos del aprendizaje profundo
  • Conocimientos básicos de visión artificial

Audiencia

  • Computer Ingenieros de visión
  • Investigadores de aprendizaje automático
  • Científicos de datos
  • Desarrolladores de software
  21 horas

Número de participantes



Precio por participante

Testimonios (4)

Cursos Relacionados

Categorías Relacionadas