Visão Geral

A detecção de objetos é um dos problemas mais importantes e desafiadores da Visão Computacional moderna. Diferente da classificação, aqui o objetivo é localizar e identificar múltiplos objetos dentro de uma imagem ou vídeo em tempo real. Neste curso, você irá trabalhar com duas das abordagens mais consagradas da área: o YOLO e o SSD. A proposta segue a linha clássica: entender o funcionamento por trás dos modelos e aplicar na prática, construindo soluções eficientes e próximas do que o mercado realmente utiliza.

Objetivo

Após realizar este curso, você será capaz de:

• Compreender o funcionamento de modelos de detecção de objetos
• Utilizar YOLO e SSD em aplicações práticas
• Trabalhar com detecção em imagens e vídeos
• Avaliar e melhorar desempenho de modelos
• Desenvolver projetos reais com detecção de objetos

Publico Alvo

• Estudantes de tecnologia e ciência de dados
• Interessados em Deep Learning e Visão Computacional
• Desenvolvedores que desejam trabalhar com detecção de objetos
• Pessoas que querem desenvolver aplicações em tempo real

Pre-Requisitos

• Python intermediário
• Fundamentos de Deep Learning
• Conhecimentos básicos de CNNs
• Noções de visão computacional

Conteúdo Programatico

Module 1 – Introduction to Object Detection

1. What is object detection
2. Difference between classification and detection
3. Real-world applications
4. Detection pipeline

Module 2 – Fundamentals of YOLO

1. What is YOLO
2. Grid system and bounding boxes
3. Confidence scores
4. Advantages and limitations

Module 3 – Fundamentals of SSD

1. What is SSD
2. Default boxes
3. Multi-scale detection
4. Comparison with YOLO

Module 4 – Implementing YOLO in Practice

1. Setting up environment
2. Loading pre-trained YOLO models
3. Detecting objects in images
4. Real-time detection with webcam

Module 5 – Implementing SSD in Practice

1. Using SSD models
2. Detecting objects in images
3. Comparing results with YOLO
4. Practical use cases

Module 6 – Model Training and Customization

1. Preparing custom datasets
2. Annotation tools
3. Training YOLO models
4. Fine-tuning SSD models

Module 7 – Performance Optimization

1. Improving detection accuracy
2. Reducing false positives
3. Speed vs accuracy trade-off
4. Deployment considerations

Module 8 – Project: Object Detection System

1. Building a full detection application
2. Real-time object tracking
3. Model evaluation
4. Final project presentation