このコースについて
2,895 最近の表示

100%オンライン

自分のスケジュールですぐに学習を始めてください。

柔軟性のある期限

スケジュールに従って期限をリセットします。

約25時間で修了

推奨:6 semanas de estudio, 2-3 horas/semana...

スペイン語

字幕:スペイン語

100%オンライン

自分のスケジュールですぐに学習を始めてください。

柔軟性のある期限

スケジュールに従って期限をリセットします。

約25時間で修了

推奨:6 semanas de estudio, 2-3 horas/semana...

スペイン語

字幕:スペイン語

シラバス - 本コースの学習内容

1
4時間で修了

Introducción a la clasificación de imágenes

En esta primera semana explicaremos los fundamentos de la clasificación de imágenes y presentaremos todos los pasos de un primer sistema de clasificación básico. Para ello, primero veremos algunos conceptos básicos sobre el procesamiento de una imagen que nos servirán para introducir un primer método para detectar y describir características locales (SIFT) en una imagen. Luego veremos cómo podemos agrupar estas características locales para representar toda la imagen y explicaremos un primer clasificador simple, k-NN. Finalmente comentaremos los aspectos básicos de la evaluación del rendimiento de un sistema de clasificación de imágenes.

...
7件のビデオ (合計118分), 9 readings, 3 quizzes
7件のビデオ
Descripción de características locales: SIFT22 分
Correspondencia de imágenes10 分
K-NN: Clasificación por vecino más cercano17 分
Evaluación del rendimiento14 分
9件の学習用教材
Antes de empezar10 分
Temario10 分
Formato del curso y evaluación10 分
Preguntas frecuentes10 分
Enlaces relacionados10 分
Presentación del código10 分
Instalación y configuración10 分
Código y ejercicios para el módulo 110 分
Más información10 分
3の練習問題
Prueba tus conocimientos16 分
Prueba tus conocimientos8 分
Cuestionario del módulo 120 分
2
3時間で修了

Bag of Words (BoW)

Esta semana introduciremos Bag of Words como método de representación básico que utilizaremos mayoritariamente a lo largo de todo el curso. Explicaremos todos los detalles necesarios para construir la representación BoW de una imagen, incluyendo la construcción del vocabulario utilizando K-Means y cómo agregar la información de las características locales en la representación final en forma de histograma. En la segunda parte de la semana explicaremos Support Vector Machines (SVM) como método de clasificación, tanto los conceptos fundamentales como su formulación matemática y los detalles para entrenar y utilizar un clasificador basado en SVM. Finalmente, completaremos la explicación de la evaluación del rendimiento que introducimos en la primera semana.

...
7件のビデオ (合計95分), 4 readings, 3 quizzes
7件のビデオ
Support Vector Machines (SVM): Conceptos básicos12 分
Support Vector Machines (SVM): Desarrollo matemático15 分
Support Vector Machines (SVM): Cuestiones prácticas16 分
Evaluación del rendimiento14 分
4件の学習用教材
Conjunto de imágenes de entrenamiento y evaluación10 分
Código para el módulo 210 分
Ejercicios para el módulo 210 分
Más información10 分
3の練習問題
Prueba tus conocimientos6 分
Prueba tus conocimientos12 分
Cuestionario del módulo 220 分
3
2時間で修了

Extracción de características

En esta semana completaremos la explicación de métodos de extracción de características que iniciamos en la primera semana ofreciendo alternativas a la utilización de SIFT. En concreto veremos SURF como un nuevo método de detección y extracción más eficiente computacionalmente que SIFT. Para aumentar la capacidad descriptiva de las características analizaremos otras estrategias para la detección de características locales e introduciremos descriptores que nos permitan tener en cuenta la información del color en la imagen. Veremos también como podemos también mejorar la eficiencia computacional reduciendo la dimensión de los descriptores de carácterísticas locales.

...
6件のビデオ (合計94分), 3 readings, 1 quiz
6件のビデオ
Estrategias de selección de puntos de interés15 分
Uso del color25 分
Reducción de descriptores: PCA18 分
3件の学習用教材
Código para el módulo 310 分
Ejercicios para el módulo 310 分
Más información10 分
1の練習問題
Cuestionario del módulo 320 分
4
2時間で修了

Estrategias de fusión

En esta semana veremos cómo podemos combinar diferentes descriptores que aportan diferente tipo de información en el esquema de representación BoW. Explicaremos los diferentes niveles a los que se puede hacer esta combinación: a nivel de descriptores locales (early fusion), a nivel de construcción del vocabulario (intemediate fusion) o a nivel de clasificador (late fusion)

...
5件のビデオ (合計63分), 3 readings, 3 quizzes
5件のビデオ
Late fusion13 分
Combinaciones en Late fusion15 分
3件の学習用教材
Código para el módulo 410 分
Ejercicios para el módulo 410 分
Más información10 分
3の練習問題
Prueba tus conocimientos8 分
Prueba tus conocimientos8 分
Cuestionario del módulo 420 分
4.4
24件のレビューChevron Right

Clasificación de imágenes: ¿cómo reconocer el contenido de una imagen? からの人気レビュー

by EVAug 16th 2017

Estupendo curso! Estoy haciendo un TFG de un clasificador automático de sonidos y el curso me ha ayudado mucho a consolidar conceptos! 100% recomendable!!

by JEJan 9th 2018

Muy buen curso se aprende mucho y varias maneras para realisarlo a demás que se entiende de manera fácil

講師

Avatar

Ernest Valveny

Catedrático Escuela Universitaria
Departamento de Ciencias de la Computación
Avatar

Jordi Gonzàlez Sabaté

Profesor Titular de Universidad
Departamento de Ciencias de la Computación
Avatar

Ramon Baldrich Caselles

Profesor titular
Departamento de Ciencias de la Computación

バルセロナ自治大学(Universitat Autònoma de Barcelona)について

The Universitat Autònoma de Barcelona (UAB) is a public university located in the metropolitan area of Barcelona. International in its outlook, it is fully consolidated within its local surroundings, and offers quality education in close association with research activity, the transfer of scientific, technological, cultural and educational knowledge, the promotion of its human potential and the responsible management of available resources. The UAB currently offers 81 degrees, 130 official Master Programmes and 183 UAB-specific Masters Degrees. In addition, it offers 174 lifelong learning programmes and 65 PhD Programmes, 27 of which have been distinguished through Quality Awards. The UAB has a total of over 3,500 teaching and research staff, over 2,000 administrative staff and over 40,000 students....

よくある質問

  • 修了証に登録すると、すべてのビデオ、テスト、およびプログラミング課題(該当する場合)にアクセスできます。ピアレビュー課題は、セッションが開始してからのみ、提出およびレビューできます。購入せずにコースを検討することを選択する場合、特定の課題にアクセスすることはできません。

  • 修了証を購入する際、コースのすべての教材(採点課題を含む)にアクセスできます。コースを完了すると、電子修了証が成果のページに追加されます。そこから修了証を印刷したり、LinkedInのプロフィールに追加したりできます。コースの内容の閲覧のみを希望する場合は、無料でコースを聴講できます。

  • Sí, puedes solicitar el certificado antes, durante, o al finalizar el curso.

  • Aunque el curso esté diseñado e impartido por la Universidad Autónoma de Barcelona, el certificado lo emite Coursera.

    ¿Qué información incluye?

    · el título del curso

    · la firma del (o de los) instructor(es)

    · el logo de la UAB

    · una url de verificación que permite a terceras personas comprobar la autenticidad del certificado

  • · créditos académicos de la UAB

    · la calificación final obtenida en el curso

    · tu foto del documento de identidad

    · las horas dedicadas al curso

    Recuerda que el certificado no se envía por correo postal o correo electrónico, sino que se trata de un PDF que puedes descargar e imprimir. También puedes compartirlo electrónicamente.

    Lamentablemente Coursera no puede emitir un certificado de curso con más información de la que ya incluye. Si deseas más información al respeto, por favor consulta las páginas de ayuda de Coursera.

  • No. El certificado confirma que el alumno ha superado el curso, pero no es un título oficial de la Universidad Autónoma de Barcelona.

さらに質問がある場合は、受講者向けヘルプセンターにアクセスしてください。