| Capítulo 1 |
Introducción y computación visual |
- Introducción al problema de percepción: percepción humana versus percepción computacional;
- Adquisición, representación, procesamiento y propiedades de imágenes;
- Representación de formas y segmentación tradicional;
- Análisis y representación de texturas, y
- Análisis de movimiento.
|
| Capítulo 2 |
Machine learning aplicado a la percepción |
- Percepción computacional bajo el enfoque de machine learning;
- Tipos de machine learning: supervisado, no supervisado y por refuerzo;
- Aprendizaje, teoría de generalización, overfitting y underfitting, y
- Técnicas de estimación y métricas de evaluación: holdout, cross-validation, matriz de confusión y curva ROC.
|
| Capítulo 3 |
Algoritmos de machine learning para percepción
|
- Regresión logística y clasificador softmax;
- Redes neuronales feed-forward;
- Redes neuronales convolucionales;
- Autoencoders;
- Deep learning, y
- Redes neuronales recurrentes: LSTM.
|
| Capítulo 4 |
Percepción visual
|
- Técnicas de extracción manual de características de imágenes y video: LBP, HOG, Haar;
- Clasificación de imágenes;
- Detección de objetos, y
- Segmentación.
|
| Capítulo 5 |
Percepción de sonido y texto |
- Técnicas de extracción manual de características de sonido;
- Codificación de palabras: word-embedding;
- Reconocimiento de voz, y
- Predicción de texto.
|
