We may earn an affiliate commission when you visit our partners.
Antonio López Peña,
Ernest Valveny,
and
Maria Vanrell
¿Te interesa la visión por computador? ¿Te gustaría conocer qué métodos puedes utilizar para detectar y reconocer objetos en una imagen?
En este curso te introducirás en los principios básicos de cualquier sistema automático de detección y reconocimiento de objetos en imágenes. A lo largo del curso analizaremos diferentes métodos de representación y clasificación que te permitirán abordar casos de aplicación de complejidad creciente.
Read more
¿Te interesa la visión por computador? ¿Te gustaría conocer qué métodos puedes utilizar para detectar y reconocer objetos en una imagen?
En este curso te introducirás en los principios básicos de cualquier sistema automático de detección y reconocimiento de objetos en imágenes. A lo largo del curso analizaremos diferentes métodos de representación y clasificación que te permitirán abordar casos de aplicación de complejidad creciente.
Read more
¿Te interesa la visión por computador? ¿Te gustaría conocer qué métodos puedes utilizar para detectar y reconocer objetos en una imagen?
En este curso te introducirás en los principios básicos de cualquier sistema automático de detección y reconocimiento de objetos en imágenes. A lo largo del curso analizaremos diferentes métodos de representación y clasificación que te permitirán abordar casos de aplicación de complejidad creciente.
El contenido del curso se estructura a partir de un esquema básico de detección y reconocimiento de objetos que sirve de guía para ir introduciendo tanto los diferentes métodos de extracción de características y representación de la imagen como diferentes alternativas para clasificar una imagen y para localizar todas las instancias de un objeto en la imagen. El temario incluye conceptos básicos de formación de la imagen, la convolución y su aplicación a la detección de contornos, características de regiones, descriptores de imagen (Local Binary Pattern, Histogram of Oriented Gradients, características de Haar) y varios métodos de clasificación (clasificador lineal, Support Vector Machine, Adaboost, Random Forest, Convolutional Neural Network).
Finalizar el curso te permitirá:
• Diseñar, a partir de un esquema básico común, soluciones adaptadas para diferentes problemas de detección y reconocimiento de objetos en una imagen,
• Conocer las principales técnicas para la descripción y clasificación de una imagen,
• Conocer las herramientas que permiten el desarrollo de aplicaciones reales de detección y reconocimiento de objetos, para que seas capaz de desarrollar tus propios sistemas de detección y reconocimiento de objetos en múltiples aplicaciones.
El curso está orientado tanto a estudiantes universitarios de algún grado relacionado con la informática, la ingeniería o las matemáticas, como a otros estudiantes con conocimientos de programación, interesados en aprender cómo utilizar técnicas de visión por computador para extraer información de las imágenes.
INICIO: 1 de Diciembre de 2015
Register for this course and see more details by visiting:
OpenCourser.com/course/uervec/deteccion
Two deals to help you save
Save money when you learn. Here are two deals and offers that may be relevant to this course.
All coupon codes, vouchers, and discounts are applied automatically unless otherwise noted.
Valid until July 14
Coursera Plus Annual
Work toward what's next for your career with access to 10,000+ programs. Discover emerging skills and save.
Up to
40%
off
Get offer
Valid until August 30
Google AI App Builder
Learn how to use Gemini API and API Studio with a three-course series from Google DeepMind
Take
100%
off
Get offer
What's inside
Syllabus
INTRODUCCIÓN A LA DETECCIÓN DE OBJETOS
En esta primera semana explicaremos los fundamentos de un detector de objetos. Empezaremos introduciendo los conceptos básicos de la formación y el análisis de imágenes, para aplicarlos en el diseño de detectores simples basados en las características de los píxeles de la imagen. Finalmente, explicaremos los conceptos de correlación y convolución y veremos cómo se pueden utilizar en la detección de objetos.
Read more
Syllabus
INTRODUCCIÓN A LA DETECCIÓN DE OBJETOS
En esta primera semana explicaremos los fundamentos de un detector de objetos. Empezaremos introduciendo los conceptos básicos de la formación y el análisis de imágenes, para aplicarlos en el diseño de detectores simples basados en las características de los píxeles de la imagen. Finalmente, explicaremos los conceptos de correlación y convolución y veremos cómo se pueden utilizar en la detección de objetos.
Read more
Traffic lights
Traffic lights
Read about what's good
what should give you pause and
possible dealbreakers
Prepares students to design solutions adapted to different problems of object detection and recognition in an image
Suitable for students with programming knowledge, particularly those interested in computer vision
Provides a comprehensive overview of object detection and recognition principles
Taught by instructors recognized for their work in computer vision
Introduces essential concepts in image formation, convolution, and feature extraction
Covers various classification methods, including SVM, Adaboost, and Random Forest
Save this course
Create your own learning path.
Save this course to your list so you can find it easily later.
Save
Save
Reviews summary
Análisis fundamental de detección de objetos
Según los estudiantes, este curso ofrece una sólida base teórica en los principios y métodos clásicos de la detección de objetos, como HOG, Haar y SVM/Adaboost. Muchos valoran las explicaciones claras y detalladas de los conceptos fundamentales. Sin embargo, algunos alumnos señalan que los ejemplos prácticos podrían ser más amplios y que la cobertura de técnicas más modernas, especialmente Redes Neuronales Convolucionales, es limitada o superficial. Parece ser una excelente introducción a los cimientos teóricos, pero puede no satisfacer a quienes busquen una inmersión profunda en las aplicaciones prácticas y de vanguardia. Las reseñas sugieren que es más adecuado para quienes inician o necesitan consolidar las bases.
Ideal para principiantes o introducción.
"Es un excelente curso para empezar en el mundo de la detección de objetos."
"Si no tienes experiencia previa, este curso te da las bases necesarias para entender el tema."
"Perfecto como primera toma de contacto con los principios de la visión por computador aplicada."
Excelente base en métodos tradicionales.
"El curso cubre los métodos clásicos de detección de objetos de forma muy completa (HOG, Haar, SVM, Adaboost)."
"Si quieres entender cómo funcionaban las técnicas antes del auge de deep learning, este curso es perfecto."
"Obtuve una buena comprensión de los algoritmos tradicionales gracias a este curso."
"Los temas como la convolución y los descriptores clásicos están bien representados."
La base teórica está muy bien explicada.
"Me gustó mucho la forma en que se explican los conceptos teóricos, son muy claros y fáciles de seguir."
"La explicación de los fundamentos es muy buena y me ayudó a entender los principios básicos."
"El contenido está bien estructurado y las explicaciones facilitan la comprensión de temas complejos."
"Creo que la parte teórica del curso es excelente, se presentan los temas de manera muy didáctica."
Se basa en técnicas menos recientes.
"Dado que el curso es de 2015, las técnicas clásicas predominan sobre las de deep learning actuales."
"Si buscas lo último en detección de objetos (YOLO, Mask R-CNN, etc.), este curso no lo cubre a fondo."
"Aunque la base es buena, el campo ha evolucionado mucho desde que se publicó el curso."
Pocos ejemplos y ejercicios prácticos.
"Sentí que le faltaba más práctica, los ejercicios eran un poco escasos o no tan desafiantes."
"El curso es muy teórico y echo en falta más implementación práctica de los algoritmos."
"Me hubiera gustado tener más ejemplos de código y proyectos para aplicar los conceptos."
La cobertura de CNNs es limitada.
"Aunque se mencionan las CNNs, la parte dedicada a ellas es muy superficial comparada con el resto del curso."
"Esperaba más profundidad en el uso de redes neuronales para detección de objetos, se queda corto."
"El curso se enfoca en métodos clásicos, lo moderno (CNNs) es solo una pincelada al final."
Activities
Be better prepared
before
your course. Deepen your understanding
during
and
after
it. Supplement your coursework and achieve mastery of the topics covered
in Detección de objetos with these
activities:
Organiza y revisa tus materiales de curso
Show steps
Organiza y revisa tus notas, tareas, cuestionarios y exámenes para mejorar tu retención y comprensión.
Show steps
-
Recopila todos tus materiales de curso.
-
Organiza tus materiales en un sistema lógico.
-
Revisa tus materiales periódicamente.
Forma un grupo de estudio con tus compañeros
Show steps
Forma un grupo de estudio con tus compañeros para discutir conceptos, resolver problemas y apoyarse mutuamente.
Show steps
-
Identifica compañeros que estén interesados en formar un grupo de estudio.
-
Establece un horario y un lugar regulares para reunirse.
-
Revisa el material del curso juntos.
-
Trabaja en problemas y proyectos juntos.
Show all two activities
Organiza y revisa tus materiales de curso
Show steps
Organiza y revisa tus notas, tareas, cuestionarios y exámenes para mejorar tu retención y comprensión.
Show steps
Show steps
Show steps
- Recopila todos tus materiales de curso.
- Organiza tus materiales en un sistema lógico.
- Revisa tus materiales periódicamente.
Forma un grupo de estudio con tus compañeros
Show steps
Forma un grupo de estudio con tus compañeros para discutir conceptos, resolver problemas y apoyarse mutuamente.
Show steps
Show steps
Show steps
- Identifica compañeros que estén interesados en formar un grupo de estudio.
- Establece un horario y un lugar regulares para reunirse.
- Revisa el material del curso juntos.
- Trabaja en problemas y proyectos juntos.
Show all two activities
Career center
Learners who complete Detección de objetos will develop knowledge and skills
that may be useful to these careers:
Image Processing Engineer
Image Processing Engineer
Image Processing Engineers develop and implement image processing algorithms and systems. They also work on integrating image processing systems with other systems. This course helps build a foundation for Image Processing Engineers by teaching them image processing, analysis, and classification techniques.
Computer Vision Engineer
Computer Vision Engineer
Computer Vision Engineers develop and implement computer vision algorithms and systems. They also work on integrating computer vision systems with other systems. This course helps build a foundation for Computer Vision Engineers by teaching image processing, analysis, and classification techniques.
Computer Vision Researcher
Computer Vision Researcher
Computer Vision Researchers develop new computer vision algorithms and techniques. They also work on applying computer vision to new applications. This course helps build a foundation for Computer Vision Researchers by teaching them image processing, analysis, and classification techniques.
Autonomous Vehicle Engineer
Autonomous Vehicle Engineer
Autonomous Vehicle Engineers design, develop, and maintain autonomous vehicles. They also work on integrating autonomous vehicles with other systems. This course helps build a foundation for Autonomous Vehicle Engineers by teaching them image processing, analysis, and classification techniques, which are essential for autonomous vehicles to perceive and interact with the world around them.
Medical Imaging Analyst
Medical Imaging Analyst
Medical Imaging Analysts use image processing, analysis, and classification techniques to extract insights from medical images. This course helps build a foundation for Medical Imaging Analysts by teaching them image processing, analysis, and classification techniques.
Geospatial Analyst
Geospatial Analyst
Geospatial Analysts use image processing, analysis, and classification techniques to extract insights from geospatial data. This course helps build a foundation for Geospatial Analysts by teaching them image processing, analysis, and classification techniques.
Remote Sensing Analyst
Remote Sensing Analyst
Remote Sensing Analysts use image processing, analysis, and classification techniques to extract insights from satellite and aerial images. This course helps build a foundation for Remote Sensing Analysts by teaching them image processing, analysis, and classification techniques.
Machine Learning Engineer
Machine Learning Engineer
Machine Learning Engineers design, develop, and maintain machine learning models. They also work on automating machine learning processes and integrating them with other systems. This course helps build a foundation for Machine Learning Engineers by providing them with a strong understanding of image processing, analysis, and classification techniques.
Robotics Engineer
Robotics Engineer
Robotics Engineers design, develop, and maintain robots. They also work on integrating robots with other systems. This course helps build a foundation for Robotics Engineers by teaching them image processing, analysis, and classification techniques, which are essential for robots to perceive and interact with the world around them.
Data Scientist
Data Scientist
Data Scientists use scientific methods, processes, algorithms, and systems to extract knowledge and insights from structured and unstructured data. This course helps build a foundation for Data Scientists by teaching image processing, analysis, and classification techniques that can be applied to extract insights from images.
Biomedical Engineer
Biomedical Engineer
Biomedical Engineers design, develop, and maintain medical devices and systems. They also work on integrating medical devices and systems with other systems. This course helps build a foundation for Biomedical Engineers by teaching them image processing, analysis, and classification techniques, which are essential for medical devices and systems to perceive and interact with the world around them.
Data Analyst
Data Analyst
Data Analysts use data to solve business problems. They also work on developing new products and services. This course may be useful for Data Analysts who are interested in using image processing, analysis, and classification techniques to solve business problems.
Software Engineer
Software Engineer
Software Engineers design, develop, and maintain software systems. They also work on integrating software systems with other systems. This course may be useful for Software Engineers who are interested in developing software systems that use image processing, analysis, and classification techniques.
Product Manager
Product Manager
Product Managers are responsible for the development and launch of new products. They also work on managing the lifecycle of products. This course may be useful for Product Managers who are interested in developing products that use image processing, analysis, and classification techniques.
Business Analyst
Business Analyst
Business Analysts help businesses improve their performance by identifying and solving problems. They also work on developing new products and services. This course may be useful for Business Analysts who are interested in using image processing, analysis, and classification techniques to solve business problems.
For more career information including salaries, visit:
OpenCourser.com/course/uervec/deteccion
Reading list
We've selected ten books
that we think will supplement your
learning. Use these to
develop background knowledge, enrich your coursework, and gain a
deeper understanding of the topics covered in
Detección de objetos.
Provides a comprehensive overview of computer vision and applications. It covers a wide range of topics, from image processing to object detection and recognition. It valuable resource for students and researchers in computer vision.
Provides a comprehensive overview of pattern recognition and machine learning, covering a wide range of topics, from statistical models to neural networks, providing a solid theoretical foundation for understanding the principles of machine learning.
Save
Provides a comprehensive overview of computer vision algorithms and applications. It covers a wide range of topics, from image formation and acquisition to object detection and recognition. It valuable resource for students and researchers in computer vision.
Save
Provides a comprehensive overview of pattern recognition and machine learning. It covers a wide range of topics, from linear regression to neural networks. It valuable resource for students and researchers in computer vision.
Provides a comprehensive overview of computer vision. It covers a wide range of topics, from image formation and acquisition to object detection and recognition. It valuable resource for students and researchers in computer vision.
Provides a practical guide to using deep learning for computer vision tasks. It covers a wide range of topics, from image classification to object detection and segmentation, providing hands-on examples and code snippets that illustrate the implementation of deep learning algorithms in computer vision applications.
Provides a practical introduction to computer vision using OpenCV. It covers a wide range of topics, from image processing to object detection and recognition. It valuable resource for students and researchers in computer vision.
Save
Provides a comprehensive overview of computer vision algorithms and their applications. It covers a wide range of topics, from image formation and representation to object detection and recognition, providing a solid theoretical foundation for understanding the principles of computer vision. As a textbook commonly used in academic institutions, it valuable reference for students and professionals seeking to deepen their knowledge in the field.
Provides a comprehensive and up-to-date overview of computer vision, covering a wide range of topics, from image formation and representation to object detection and recognition, providing a solid theoretical foundation for understanding the principles of computer vision.
Provides a comprehensive overview of computer vision models, learning, and inference, covering a wide range of topics, from image formation and representation to object detection and recognition, providing a solid theoretical foundation for understanding the principles of computer vision.
For more information about how these books relate to this course, visit:
OpenCourser.com/course/uervec/deteccion
Share
Similar courses
Similar courses are unavailable at this time. Please try again later.
Rating
4.4
Effort
17 hours to complete
Via
Coursera
Institution
Universitat Autònoma de Barcelona
Instructors
Antonio López Peña
Ernest Valveny
Maria Vanrell
Language
Español
Our mission
OpenCourser helps millions of learners each year. People visit us to learn workspace skills, ace their exams, and nurture their curiosity.
Our extensive catalog contains over 50,000 courses and twice as many books. Browse by search, by topic, or even by career interests. We'll match you to the right resources quickly.
Find this site helpful? Tell a friend about us.
Affiliate disclosure
We're supported by our community of learners. When you purchase or subscribe to courses and programs or purchase books, we may earn a commission from our partners.
Your purchases help us maintain our catalog and keep our servers humming without ads.
Thank you for supporting OpenCourser.
© 2016 - 2025 OpenCourser