К содержимому
learnspaceYOUR NEXT CHAPTER
ПРОСТРАНСТВО ОБУЧЕНИЯ
ГлавнаяКаталог курсовМоё обучениеCoursera

Знания без границ

Учитесь у лучших университетов и компаний мира.

Открыть Coursera
Интеграция
Пространство университета
Моё пространствоСтраница курса
↵
ЯЛичный кабинетСтудент
© 2026 LearnSpaceКаждый день — возможность узнать больше.Помощь
Clasificación de imágenes: ¿cómo reconocer el contenido de una imagen? · LearnSpace
Назад в каталог
courseraПрограммирование

Clasificación de imágenes: ¿cómo reconocer el contenido de una imagen?

Курс от Universitat Autònoma de Barcelona
Уровень не указан≈ 21.2 чИспанский
О курсеНавыкиПрограммаПреподаватели

О курсе

¿Te interesa la visión por computador? ¿Te gustaría saber cómo se puede reconocer el contenido visual de las imágenes y clasificarlas a partir de su contenido? En este curso aprenderás diferentes métodos de representación y clasificación de imágenes. El temario del curso te permitirá conocer el esquema básico de clasificación de imágenes conocido como Bag of Visual Words. A partir de este esquema básico aprenderás cómo utilizar varios descriptores locales de la imagen así como los métodos de clasificación más habituales. También describiremos diferentes extensiones del esquema básico que permiten combinar distintos descriptores, incluir información espacial o mejorar la representación final de la imagen. Finalizar el curso te permitirá: • Diseñar soluciones adaptadas para diferentes problemas de clasificación y reconocimiento de imágenes • Conocer las principales técnicas usadas para la descripción y clasificación de una imagen • Acceder a las herramientas que permiten el desarrollo de aplicaciones reales de clasificación de imágenes El curso está orientado tanto a estudiantes universitarios de algún grado relacionado con la informática, la ingeniería o las matemáticas, como a otros estudiantes con conocimientos de programación, interesados en aprender cómo utilizar técnicas de visión por computador para extraer información de las imágenes.

Навыки, которые вы освоите

Classification AlgorithmsConvolutional Neural NetworksImage AnalysisModel EvaluationFeature EngineeringComputer VisionSupervised LearningSpatial AnalysisMachine Learning MethodsApplied Machine LearningHistogramMachine Learning Algorithms

Программа курса

6 модулей · 79 учебных материалов

01Introducción a la clasificación de imágenes23 материалов

Bienvenida al curso

Bienvenida al cursoВидеоAntes de empezarЧтениеTemarioЧтениеCAMBIOS EN COURSERAЧтение

Учитесь у экспертов

Ernest Valveny

Catedrático Escuela Universitaria

Jordi Gonzàlez Sabaté

Profesor Titular de Universidad

Ramon Baldrich Caselles

Profesor titular

Clasificación de imágenes: ¿cómo reconocer el contenido de una imagen?
В каталоге вашей программы

Инвестируйте в себя

Новые знания — в удобное для вас время.

Начать на Coursera

Обучение откроется на Coursera
в новой вкладке

Обучение на Coursera

≈ 21.2 ч

6 модулей

Язык: Испанский

Часть программы вашего университета
Organización del cursoЧтение
Resolver dudas e incidenciasЧтение
Preguntas frecuentes: generalesЧтение
Preguntas frecuentes: certificadoЧтение
Preguntas frecuentes: cuestionariosЧтение
Enlaces relacionadosЧтение

Extracción de características locales

Características locales de la imagenВидеоDetección de características locales: SIFTВидеоDescripción de características locales: SIFTВидеоPrueba tus conocimientosЗадание

Representación y clasificación de la imagen

Correspondencia de imágenesВидеоK-NN: Clasificación por vecino más cercanoВидеоEvaluación del rendimientoВидеоPrueba tus conocimientosЗадание

Código de ejemplo

Presentación del códigoЧтениеInstalación y configuraciónЧтениеCódigo y ejercicios para el módulo 1Чтение

Materiales complementarios

Más informaciónЧтение

Cuestionario del módulo

Cuestionario del módulo 1Задание
02Bag of Words (BoW)14 материалов

Respresentación BoW

IntroducciónВидеоConstrucción del vocabulario: K-MeansВидеоRepresentación de la imagenВидеоPrueba tus conocimientosЗадание

Clasificación: SVM y evaluación del rendimiento

Support Vector Machines (SVM): Conceptos básicosВидеоSupport Vector Machines (SVM): Desarrollo matemáticoВидеоSupport Vector Machines (SVM): Cuestiones prácticasВидеоEvaluación del rendimientoВидеоPrueba tus conocimientosЗадание

Código de ejemplo

Conjunto de imágenes de entrenamiento y evaluaciónЧтениеCódigo para el módulo 2ЧтениеEjercicios para el módulo 2Чтение

Materiales complementarios

Más informaciónЧтение

Cuestionario del módulo

Cuestionario del módulo 2Задание
03Extracción de características10 материалов

Disminución del coste computacional

Extensión a la extracción de característicasВидеоDetección de características locales: SURFВидеоDescripción de características locales: SURFВидео

Aumento de la capacidad descriptiva

Estrategias de selección de puntos de interésВидеоUso del colorВидео

Reducción de la dimensionalidad del descriptor

Reducción de descriptores: PCAВидео

Código de ejemplo

Código para el módulo 3ЧтениеEjercicios para el módulo 3Чтение

Materiales complementarios

Más informaciónЧтение

Cuestionario del módulo

Cuestionario del módulo 3Задание
04Estrategias de fusión11 материалов

Introducción

IntroducciónВидео

Fusión de características y descriptores

Early fusionВидеоIntermediate fusionВидеоPrueba tus conocimientosЗадание

Fusión de clasificadores

Late fusionВидеоCombinaciones en Late fusionВидеоPrueba tus conocimientosЗадание

Código de ejemplo

Código para el módulo 4ЧтениеEjercicios para el módulo 4Чтение

Materiales complementarios

Más informaciónЧтение

Cuestionario del módulo

Cuestionario del módulo 4Задание
05Incorporación de información espacial11 материалов

Introducción

IntroducciónВидео

Las pirámides espaciales

Pirámide EspacialВидеоKernel de Comparación de PirámidesВидеоExperimentación Práctica con Pirámides EspacialesВидеоPrueba tus conocimientosЗадание

Aprendizaje de pirámides espaciales

Aprendiendo Pirámides EspacialesВидеоPrueba tus conocimientosЗадание

Código de ejemplo

Código para el módulo 5ЧтениеEjercicios para el módulo 5Чтение

Materiales complementarios

Más informaciónЧтение

Cuestionario del módulo

Cuestionario del módulo 5Задание
06Técnicas avanzadas10 материалов

Introducción: más allá de Bag of Words

IntroducciónВидео

Alternativas a BoW

Soft AssignmentВидеоSoft Encoding: Gaussian Mixture ModelsВидеоSoft Encoding/Soft Assignment: Fisher VectorsВидеоVLADВидео

Clasificación con datos masivos (CNNs)

Convolutional Neural Networks (CNNs) (Parte I)ВидеоConvolutional Neural Networks (CNNs) (Parte II)Видео

Materiales complementarios

Más informaciónЧтение

Cuestionario del módulo

Cuestionario del módulo 6Задание

Examen final

Examen finalЗадание