Dentro da área da Visão Computacional existe a sub-área de detecção de objetos, que visa encontrar objetos personalizados em imagens e é muito utilizada em carros autônomos, os quais precisam identificar pedestres e outros veículos para evitar colisões, bem como reconhecer placas de trânsito para seguir uma direção segura. Essas técnicas também podem ser utilizadas para detectar praticamente qualquer tipo de objeto em imagens ou vídeos, como por exemplo: relógios, placas de veículos, animais, faces de pessoas, celulares, logo de empresas dentre vários outros! Em resumo, você pode treinar um classificador para qualquer tipo de cenário!

E para levar você até essa área, neste curso você aprenderá na prática como construir classificadores personalizados para deteção de objetos, utilizando a linguagem Python e a técnica de haarcascade da biblioteca OpenCV! Você desenvolverá passo a passo dois classificadores para detectar canecas e logos de empresas! No decorrer do curso você também aprenderá as vantagens e desvantagens de utilizar essa técnica, bem como saberá quais são suas principais limitações. Além disso, você terá algumas aulas de bônus sobre o download automático de imagens e também sobre a coleta de imagens para o treinamento do detector. Você aprenderá os seguintes comandos do OpenCV:

• createsamples para geração de imagens positivas

• traincascade para treinar o detector

• annotation para marcação de imagens

O objetivo principal deste curso é que você tenha uma visão prática de como utilizar o OpenCV, portanto, nós mostraremos somente uma intuição básica sobre o funcionamento do algoritmo. Este curso pode ser considerado como nível iniciante, pois mesmo que este seja seu primeiro contato com a área de Visão Computacional você conseguirá acompanhar o curso!

Preparado(a) para dar um importante passo na sua carreira? Aguardamos você no curso! :)