La visión por computadora ha evolucionado desde imitar los sistemas de visión humana hasta los sistemas robóticos basados en la visión para tomar decisiones confiables. Aunque el sistema visual humano es asombroso en el procesamiento de imágenes, se queda corto en la percepción del mundo de la misma manera que los detectores digitales. ¿Cómo traducimos el sistema visual humano a dispositivos de imágenes digitales para tomar decisiones confiables? Debemos abordar esto científicamente para lograr un estándar estético que apoye una realidad preferida utilizando técnicas de procesamiento de imágenes. ¿Cómo se toman decisiones de calidad a partir de las imágenes procesadas? Este proceso requiere estrategias para visualizar y comprender el contenido de las imágenes digitales para una toma de decisiones confiable. Esta tarea es la función principal de la visión por computadora. Además, la superposición entre el procesamiento de imágenes y la visión por computadora a nivel conceptual, y la jerga a menudo mal entendida, hace que se usen indistintamente. Este curso abordará todas estas técnicas y explicará sus diferencias a nivel fundamental.

Los ‘descriptores de imagen’ describen las características elementales como la forma, el color, la textura o el movimiento de la imagen. Son el primer paso para descubrir la conexión entre los píxeles de una imagen digital y lo que los humanos recuerdan después de observar una imagen. Por lo tanto, es esencial comprender el proceso de detección de tales características y conceptualizar cómo se pueden establecer correspondencias de características entre diferentes imágenes. ¿Qué características hacen buenas características de imagen? ¿Qué tipo de algoritmos se utilizan para extraer características en las imágenes? El curso analizará estas preguntas y describirá cómo se pueden detectar y rastrear las características a través de una secuencia de imágenes y fusionarlas con otras fuentes para la localización. Además, aborda cómo se investiga el aprendizaje de características para generar características más eficientes para tareas de procesamiento de imágenes biológicas como el reconocimiento, la recuperación, el seguimiento y la categorización de imágenes.

El cerebro humano es una estructura extremadamente compleja, con alrededor de 100 mil millones de neuronas y 1,000 billones de interconexiones sinápticas. Se basa en la señalización electroquímica con componentes analógicos y de temporización interrelacionados, el tipo de maquinaria molecular y biológica que los neurocientíficos apenas están comenzando a desentrañar. ¿Es posible simular el cerebro humano? ¿Son las redes neuronales artificiales un buen modelo para el cerebro? ¿Son las redes neuronales, que son dispositivos adecuados para la computación, realmente capaces de imitar la mente humana? Este curso te introducirá en el campo de la visión por computadora y el aprendizaje profundo y te ayudará a responder muchas preguntas que son comúnmente prevalentes en estas disciplinas. Este curso sobre los fundamentos de la visión por computadora es un curso informativo que interesará a quienes estudian ciencias de la computación o a quienes están interesados en estos temas. ¿Por qué esperar? Inscríbete hoy y comienza a aprender sobre este campo prominente de humanizar máquinas a través del aprendizaje profundo.