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.
Duración 21 horas
Temario del curso
Introducción a la detección de objetos
- Fundamentos 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 del modelo utilizando marcos de trabajo populares de aprendizaje profundo (TensorFlow, PyTorch, etc.)
- Ajuste fino de modelos preentrenados para la 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 la detección de objetos en 3D
- YOLOv7 para la 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 básico de visión por computadora.
Público objetivo
- Ingenieros de visión por computadora.
- Investigadores en aprendizaje automático (machine learning).
- Científicos de datos.
- Desarrolladores de software.
Reseñas (1)
Práctico y aplicado
Keeren Bala Krishnan - PENGUIN SOLUTIONS (SMART MODULAR)
Curso - Computer Vision with Python
Traducción Automática
