Clasificación de imágenes: ¿cómo reconocer el contenido de una imagen?
- 4.3
-
![]()
![]()
![]()
![]()
Approx. 21 hours to complete
Course Summary
This course focuses on the classification of images using various techniques and algorithms. Students will learn how to preprocess images, extract features, and use machine learning algorithms for classification.Key Learning Points
- Learn various techniques for image classification
- Understand how to preprocess images and extract features
- Apply machine learning algorithms for image classification
Job Positions & Salaries of people who have taken this course might have
- USA: $120,000
- India: ₹1,000,000
- Spain: €45,000
- USA: $120,000
- India: ₹1,000,000
- Spain: €45,000
- USA: $130,000
- India: ₹1,200,000
- Spain: €50,000
- USA: $120,000
- India: ₹1,000,000
- Spain: €45,000
- USA: $130,000
- India: ₹1,200,000
- Spain: €50,000
- USA: $110,000
- India: ₹900,000
- Spain: €40,000
Related Topics for further study
Learning Outcomes
- Apply preprocessing techniques to images for better classification accuracy
- Extract features from images using various algorithms
- Apply machine learning algorithms for image classification
Prerequisites or good to have knowledge before taking this course
- Knowledge of Python programming language
- Familiarity with machine learning concepts
Course Difficulty Level
IntermediateCourse Format
- Online self-paced course
- Video lectures
- Hands-on assignments and quizzes
Similar Courses
- Introduction to Computer Vision
- Applied Machine Learning
- Deep Learning Specialization
Related Education Paths
Related Books
Description
¿Te interesa la visión por computador? ¿Te gustaría saber cómo se puede reconocer el contenido visual de las imágenes y clasificarlas a partir de su contenido?
Outline
- Introducción a la clasificación de imágenes
- Bienvenida al curso
- Características locales de la imagen
- Detección de características locales: SIFT
- Descripción de características locales: SIFT
- Correspondencia de imágenes
- K-NN: Clasificación por vecino más cercano
- Evaluación del rendimiento
- Antes de empezar
- Temario
- Formato del curso y evaluación
- Resolver dudas e incidencias
- Preguntas frecuentes
- Enlaces relacionados
- Presentación del código
- Instalación y configuración
- Código y ejercicios para el módulo 1
- Más información
- Prueba tus conocimientos
- Prueba tus conocimientos
- Cuestionario del módulo 1
- Bag of Words (BoW)
- Introducción
- Construcción del vocabulario: K-Means
- Representación de la imagen
- Support Vector Machines (SVM): Conceptos básicos
- Support Vector Machines (SVM): Desarrollo matemático
- Support Vector Machines (SVM): Cuestiones prácticas
- Evaluación del rendimiento
- Conjunto de imágenes de entrenamiento y evaluación
- Código para el módulo 2
- Ejercicios para el módulo 2
- Más información
- Prueba tus conocimientos
- Prueba tus conocimientos
- Cuestionario del módulo 2
- Extracción de características
- Extensión a la extracción de características
- Detección de características locales: SURF
- Descripción de características locales: SURF
- Estrategias de selección de puntos de interés
- Uso del color
- Reducción de descriptores: PCA
- Código para el módulo 3
- Ejercicios para el módulo 3
- Más información
- Cuestionario del módulo 3
- Estrategias de fusión
- Introducción
- Early fusion
- Intermediate fusion
- Late fusion
- Combinaciones en Late fusion
- Código para el módulo 4
- Ejercicios para el módulo 4
- Más información
- Prueba tus conocimientos
- Prueba tus conocimientos
- Cuestionario del módulo 4
- Incorporación de información espacial
- Introducción
- Pirámide Espacial
- Kernel de Comparación de Pirámides
- Experimentación Práctica con Pirámides Espaciales
- Aprendiendo Pirámides Espaciales
- Código para el módulo 5
- Ejercicios para el módulo 5
- Más información
- Prueba tus conocimientos
- Prueba tus conocimientos
- Cuestionario del módulo 5
- Técnicas avanzadas
- Introducción
- Soft Assignment
- Soft Encoding: Gaussian Mixture Models
- Soft Encoding/Soft Assignment: Fisher Vectors
- VLAD
- Convolutional Neural Networks (CNNs) (Parte I)
- Convolutional Neural Networks (CNNs) (Parte II)
- Más información
- Cuestionario del módulo 6
- Examen final
Summary of User Reviews
Key Aspect Users Liked About This Course
The course content is informative and easy to understandPros from User Reviews
- Great instructor who explains the concepts clearly
- Hands-on assignments and quizzes to reinforce learning
- In-depth coverage of various image classification techniques
Cons from User Reviews
- Some technical issues with the platform
- Limited interaction with the instructor
- Not suitable for beginners with no prior knowledge of image processing
Ernest Valveny
4.3 Raiting
Detección de objetos
- 4.5
-
![]()
![]()
![]()
![]()
![]()
¿Te interesa la visión por computador? ¿Te gustaría conocer qué métodos puedes utilizar para detectar y reconocer objetos en una imagen?...
Clasificación de imágenes: ¿cómo reconocer el contenido de una imagen?
- 4.3
-
![]()
![]()
![]()
![]()
![]()
¿Te interesa la visión por computador? ¿Te gustaría saber cómo se puede reconocer el contenido visual de las imágenes y clasificarlas a partir de su contenido?...
