Visión por computador

Temas que cubre

• CNN
• Clasificación
• Detección de objetos
• Segmentación
• Embeddings
• Vision Transformers
• Visión multimodal

Lecciones de la unidad

1. Convolución — una lupa que recorre la imagen 80 min
   La operación que permite a una red «ver» bordes, texturas y formas, calculada a mano y luego con NumPy.
2. Redes convolucionales — apilar miradas cada vez más amplias 70 min
   Convoluciones, activaciones y pooling encadenados en una CNN completa; campo receptivo, recuento de parámetros y aumento de datos.
3. Detección y segmentación — qué hay y dónde está 80 min
   Cajas, IoU, supresión de no máximos y average precision; las piezas con las que se construye y se evalúa cualquier detector.
4. Vision Transformers — una imagen vale 16 × 16 palabras 75 min
   Cortar la imagen en parches, convertirlos en tokens y dejar que la atención haga el resto; formas, parámetros y coste.

Requisitos previos

Antes de esta unidad conviene haber hecho:

• Ingeniería con PyTorch (Curso 3 · Unidad 2)