Deep Learning: Vision Computarizada (OpenCV, SSD y +Mas!)

Vamos a tender un puente entre la arquitectura básica de la CNN;que ya conoces y amas, y las arquitecturas modernas y novedosas como VGG, ResNet, e Inception (llamada así por la película que, por cierto, ¡también es genial!)

Vamos a aplicar esto a las imágenes de las células sanguíneas, y crear un sistema que sea mejor experto médico que usted o yo. Esto nos da una idea fascinante: que los médicos del futuro no son humanos, sino robots.

En este curso, verá cómo podemos convertir una CNN en un sistema de detección de objetos, que no sólo clasifica las imágenes sino que puede localizar cada objeto en una imagen y predecir su etiqueta.

Se puede imaginar que esa tarea es un requisito básico para los vehículos de autoconducción. (Debe ser capaz de detectar coches, peatones, bicicletas, semáforos, etc. en tiempo real)

Estaremos mirando un algoritmo de última generación llamado SSD;que es a la vez más rápido y más preciso que sus predecesores.

Otra tarea de visión por ordenador muy popular que hace uso de las CNN se llama transferencia de estilo neural.

Aquí es donde tomas una imagen llamada imagen de contenido, y otra imagen llamada imagen de estilo, y las combinas para hacer una imagen completamente nueva, es como si contrataras a un pintor para pintar el contenido de la primera imagen con el estilo de la otra. A diferencia de un pintor humano, esto puede hacerse en cuestión de segundos.

También les presentaré la ahora famosa arquitectura GAN (Generative Adversarial Networks), donde aprenderán algo de la tecnología detrás de cómo las redes neuronales se usan para generar imágenes de última generación y foto-realistas.

Actualmente, también implementamos la localización de objetos, que es un primer paso esencial para implementar un sistema completo de detección de objetos.

Espero que estén emocionados de aprender sobre estas aplicaciones avanzadas de las CNN, ¡los veré en clase!