CNNs e YOLO: Fundamentos de Detecção de Objetos

Você está fascinado por aplicativos de visão computacional, como carros autônomos ou vigilância de segurança, e se pergunta como os computadores "vêem" objetos? A detecção de objetos é uma técnica central que impulsiona esses sistemas inteligentes. Este curso fornece uma introdução abrangente, baseada em texto, aos conceitos fundamentais por trás das Redes Neurais Convolucionais (CNNs) e do algoritmo You Only Look Once (YOLO). No final, você possuirá uma sólida compreensão teórica e prática de como essas poderosas ferramentas identificam e localizam vários objetos dentro de uma imagem, capacitando-o a abordar os desafios da visão computacional do mundo real. O que você aprenderá: Entenda a arquitetura e as operações principais das Redes Neurais Convolucionais (CNNs). Aprenda os princípios fundamentais do algoritmo de detecção de objetos YOLO (You Only Look Once). Aplique conceitos como previsão de caixa delimitadora e pontuação de confiança de classe para localização de objetos. Pratique a avaliação de modelos de detecção de objetos usando métricas-chave, como Interseção sobre União (IoU) e Precisão Média (mAP). Descubra como o aumento de dados e o aprendizado por transferência melhoram o desempenho dos modelos de detecção de objetos. Interprete os resultados dos algoritmos de detecção de objetos e solucione problemas comuns.O curso começa com uma exploração dos fundamentos da CNN, progredindo para as especificidades do algoritmo YOLO. Em seguida, mergulhamos em aspectos práticos da avaliação de modelos e introduzimos técnicas modernas para melhorar a robustez e a precisão do modelo. Este curso é projetado para iniciantes absolutos interessados em visão computacional e aprendizado profundo, sem experiência prévia nessas áreas específicas. Comece sua jornada no campo emocionante da detecção de objetos e desbloqueie novas possibilidades na visão computacional.