Nesse módulo você aprenderá os fundamentos da Computação Visual, desde conceitos básicos de pixels e cores até manipulação de imagens, aplicação de filtros e aplicará os conhecimentos em um projeto prático simulando filtros no estilo Instagram.
Implemente, utilizando apenas Python, NumPy e OpenCV, um sistema de aprimoramento automático de imagens. O sistema deve carregar imagens com problemas de exposição (muito escuras ou "estouradas"), realizar uma análise do histograma e aplicar correções matemáticas nos pixels para balancear o brilho e o contraste, tentando recuperar a qualidade visual da foto sem intervenção manual.
Vamos avaliar o que você aprendeu até agora. Bora lá?
Este módulo explora Redes Neurais para Visão Computacional. Começando com os fundamentos das redes neurais e CNNs, você aprenderá a treinar e avaliar modelos. Aplique seus conhecimentos em classificação de dígitos (MNIST) e imagens coloridas (CIFAR-10), utilizando Data Augmentation e Transfer Learning com modelos como MobileNet e ResNet. Finalize com um projeto desafiador no CIFAR-100.
O objetivo deste desafio é desenvolver um sistema de Visão Computacional capaz de identificar categorias de cenários naturais (como montanhas, geleiras, florestas e prédios). Diferente do CIFAR-10, aqui trabalharemos com o Intel Image Classification, um dataset com imagens de maior resolução (150x150). Você deverá aplicar técnicas avançadas de regularização e aumento de dados para garantir que o modelo aprenda padrões geográficos e não apenas decore as imagens de treino.
Vamos avaliar o que você aprendeu até agora. Bora lá?
Neste módulo, partimos da detecção de objetos com YOLO e SSD, entendendo suas arquiteturas e aplicações. Em seguida, avançamos para a segmentação de imagens com YOLO e U-Net, diferenciando semântica de instância e explorando a estimativa de pose, aprendendo a implementar e comparar técnicas para desafios reais.
Desenvolver um sistema rápido e preciso para monitorar pets, usando YOLO para detectar o animal e segmentar sua forma exata em uma única passagem pela rede.
Vamos avaliar o que você aprendeu até agora. Bora lá?
Neste módulo, partimos da captura de vídeo, seja por webcam ou arquivos, para dominar o processamento visual em tempo real. Aprenderemos a detectar movimentos, aplicar filtros dinâmicos e rastrear objetos com OpenCV, construindo soluções inteligentes para análise e interação.
O objetivo deste desafio é construir o pipeline base para um sistema de segurança eletrônica ou monitoramento autônomo.
Vamos avaliar o que você aprendeu até agora. Bora lá?
Neste módulo, partimos da detecção facial com HaarCascade e MediaPipe para dominar o reconhecimento com DeepFace e InsightFace. Aprenderemos a analisar atributos como emoções e gênero, implementar verificação de identidade em tempo real e, finalmente, explorar as nuances da manipulação facial, como o Face Swap.
O objetivo deste desafio é construir uma central de reconhecimento facial com menu de opções.
Vamos avaliar o que você aprendeu até agora. Bora lá?
