En esta tarea, explorarás el mundo de la **detección de objetos** utilizando aprendizaje profundo. Primero, construirás tu **propio modelo de detección de objetos** desde cero usando **Keras**. Luego, **cargarás un modelo YOLOv8 preentrenado** y lo aplicarás al mismo conjunto de datos.

Durante el proceso, realizarás lo siguiente:

- Entrenamiento de un detector de objetos sencillo basado en Keras;
- Carga y ejecución de predicciones con un modelo YOLOv8 entrenado en los mismos datos;
- Evaluación del rendimiento en imágenes reales de validación;
- Comparación de resultados y comprensión de la diferencia entre modelos personalizados y modelos de última generación.

A mitad del notebook, reflexionarás sobre por qué construir modelos de detección desde cero puede ser limitado, y mencionarás brevemente la importancia del **aprendizaje por transferencia** para aplicaciones prácticas.

### [Colab Object Detection Project](https://colab.research.google.com/drive/1S9TTP01SHG20Ugm-hYuoCdqvq-tqUr36?usp=sharing)



Descargar conjunto de datos

Introducción integral a la visión por computadora, centrada en la percepción e interpretación automática de datos visuales. Incluye preprocesamiento de imágenes, extracción de características, detección de objetos y técnicas de aprendizaje profundo utilizadas en sistemas de visión modernos.

La visión por computadora permite a las máquinas interpretar y analizar datos visuales, imitando la percepción humana. Esta sección abarca los conceptos básicos de la representación de imágenes, modelos de color y fundamentos matemáticos esenciales para comprender cómo los ordenadores procesan imágenes. Se explorarán aplicaciones en el mundo real, desde vehículos autónomos hasta imágenes médicas, y se analizará cómo la visión por computadora se integra con la IA y el aprendizaje automático.

OpenCV es una biblioteca potente para la manipulación de imágenes y tareas de visión por computadora. Esta sección abarca técnicas esenciales como el filtrado de imágenes, transformaciones, detección de bordes y segmentación. Aprenderá a realizar desenfoque, umbralización, detección de contornos y extracción de características para mejorar y analizar imágenes de manera eficiente.

Las CNN procesan datos visuales utilizando capas de convolución, agrupamiento y activación para extraer características en tareas como clasificación de imágenes y detección de objetos. Los componentes clave incluyen el relleno, la convolución para la extracción de características, el agrupamiento para la reducción de complejidad y la activación para la no linealidad. Arquitecturas populares como AlexNet, VGG y ResNet impulsan la IA en salud, autonomía y seguridad.

La detección de objetos es una tarea fundamental en la visión por computadora que consiste en identificar y localizar objetos dentro de una imagen. A diferencia de la clasificación de imágenes, que asigna una sola etiqueta a toda la imagen, la detección de objetos no solo clasifica los objetos, sino que también determina sus posiciones utilizando cajas delimitadoras. Esta sección abarca técnicas y algoritmos clave utilizados en la detección de objetos, desde métodos tradicionales hasta enfoques basados en aprendizaje profundo como YOLO y U-Net.

La visión por computadora ha avanzado significativamente a lo largo de los años, pasando de métodos básicos de procesamiento de imágenes a técnicas complejas de aprendizaje profundo. Esta sección aborda las innovaciones más recientes en visión por computadora, centrándose en el aprendizaje por transferencia, el reconocimiento facial y la generación de imágenes. Se explorarán los beneficios de los modelos preentrenados en el rendimiento, los principios de la tecnología de reconocimiento facial y la manera en que la IA crea imágenes mediante aprendizaje profundo.

Desafío: Detección de Objetos con Modelo Personalizado y YOLO

Tarea

Colab Object Detection Project