Computer Vision with Deep Learning

Computer Vision course with Deep Learning. Each folder corresponds to the subjects of the course. For each course subject is available the slides, exersizes and example code.

Content

Introducción

• Motivación y problemas de visión artificial
• Herramientas del curso: Python (paquetes, ambientes virtuales e IDE), Git, Google Colab.
• Introducción: Manejo de Imágenes (OpenCV)

Recap de visión artificial

• Transformaciones geométricas
• Formación de la imagen
• Pinhole cámara
• Lentes
• Operadores de punto

Recap de Aprendizaje de máquinas I

• Regresión lineal
• Función de costo - MSE
• Gradient descent

Recap de Aprendizaje de máquinas II

• Regresión logística
• Overfitting y Regularización
• Red neuronal artificial
• Feedforward y back-propagation

Redes Neuronales (NN)

• Flujo de entrenamiento
• Redes Neuronales
• Feedforward
• Backpropagation

Arquitecturas para clasificación de imágenes

• Capas convolucionales
• Batch Normalization
• Funciones de activación: Softmax
• Entrenamiento de modelos (Curvas de aprendizaje)

Arquitecturas para clasificación de imágenes II

• Dropout, Pooling, Update method (ADAM) y capas FC
• Funciones de pérdida
• Métricas de evaluación
• Búsqueda de hiperparámetros
• Flujo de entrenamiento de modelos (Metodología CRISP)

Métricas

• Matriz de confusión
• Accuracy
• Precisión
• Recall
• F1
• AU-ROC

Detección de objetos I

• Introducción
• Aplicaciones Retos
• R-CNN
• Faster R-CNN

Detección de objetos II

• Single Shot Detector (SSD)
• You Only Look Once (Yolo)
• Mean Average Precision (mAP)

Transferencia de aprendizaje

1. Transferencia de aprendizaje
2. Recap Neuronal Network y Convoluciones
3. Modelos pre-entrenados:
   • Modelo VGG16
   • Modelo ResNet
   • MovileNet