Skip to content

semilleroCV/Hands-on-Computer-Vision

Folders and files

NameName
Last commit message
Last commit date

Latest commit

 

History

95 Commits
 
 
 
 
 
 
 
 

Repository files navigation

Hands-on Computer Vision

Hands-on Computer Vision Logo
Transforma tu visión del mundo: descubre el poder y las posibilidades ilimitadas de la visión por computadora.

Discord GitHub issues GitHub stars Github Forks

🚀 Acerca del Semillero

Bienvenido al repositorio oficial de Hands-on Computer Vision, un semillero de investigación diseñado para explorar las fascinantes áreas de la visión por computadora a través de experiencias prácticas. Este repositorio contiene los notebooks y recursos utilizados en nuestras sesiones semanales.

📚 Sesiones

🔍 Sesión 1: Pilot

Introducción al semillero

Un viaje introductorio por el fascinante mundo de la visión por computadora, donde conocerás el plan de trabajo, conceptos fundamentales y configurarás tu entorno.

📖 Ver notebooks

📷 Sesión 2: De fotones a pixeles

Generalidades sobre la adquisición y procesamiento digital de imágenes

Descubre cómo la luz se transforma en información digital, explorando los principios físicos de formación de imágenes y técnicas básicas de procesamiento.

🚧 En construcción 🚧

🧠 Sesión 3: Deep Learning

Despierta el poder de la inteligencia artificial en la visión por computadora

Adéntrate en el fascinante mundo de las redes neuronales convolucionales y descubre cómo pueden revolucionar el análisis de imágenes.

🚧 En construcción 🚧

🌈 Sesión 4: Imágenes Espectrales

Conoce los secretos que hay más allá de una imagen de color

Explora dimensiones invisibles al ojo humano a través de tecnologías multiespectrales e hiperespectrales.

🚧 En construcción 🚧

🔭 Sesión 5: Estimación pasiva de la profundidad

Explora las técnicas de estimación de profundidad sin fuentes externas

Aprende a extraer información 3D a partir de imágenes 2D utilizando algoritmos avanzados y visión estéreo.

🚧 En construcción 🚧

📏 Sesión 6: Estimación activa de la profundidad

Extrayendo profundidad con precisión milimétrica a partir de la luz

Conoce las tecnologías de sensores activos que permiten mapear el mundo con precisión extraordinaria.

🚧 En construcción 🚧

🔥 Sesión 7: Asignación de proyectos

Rétate a ti mismo 🔥🔥

Momento de poner a prueba tus conocimientos con proyectos desafiantes que integrarán lo aprendido hasta el momento.

🚧 En construcción 🚧

🧩 Sesión 8: Segmentación

Delineando el mundo digital a través de píxeles clasificados meticulosamente

Aprende a dividir y entender imágenes mediante técnicas de segmentación que dan sentido a cada región.

🚧 En construcción 🚧

🔆 Sesión 9: Imágenes térmicas

El mundo visto a través del calor

Explora una dimensión alternativa donde la temperatura revela información invisible a la luz normal.

🚧 En construcción 🚧

📊 Sesión 10: Optimización Convexa

Optimizando el mundo con matemáticas

Descubre cómo los principios matemáticos de optimización son el motor detrás de los algoritmos más potentes.

🚧 En construcción 🚧

💬 Sesión 11: NLP

Aprendiendo a hablar con las máquinas

Conecta el mundo visual con el lenguaje mediante modelos avanzados multimodales.

🚧 En construcción 🚧

🚀 Sesión 12: Proyectos finales

Desafía tus habilidades 🚀 🚀

Culmina tu viaje presentando un proyecto que integre todo lo aprendido durante el semillero.

🚧 En construcción 🚧

🛠️ Cómo utilizar este repositorio

Requisitos previos

  • Python 3.8 o superior
  • Visual Studio Code (con extensiones para Python y Jupyter)
  • Conocimientos básicos de programación

Instalación

  1. Clona este repositorio:

    git clone https://github.com/semilleroCV/hands-on-computer-vision.git
    cd hands-on-computer-vision
  2. Crea un entorno virtual:

    python -m venv venv
    source venv/bin/activate  # En Windows: venv\Scripts\activate
  3. Instala las dependencias:

    pip install -r requirements.txt
  4. Abre el proyecto en VS Code:

    code .

👥 Comunidad y Soporte

  • Discord: Únete a nuestra comunidad en Discord para discusiones, preguntas y soporte.
  • Issues: Si encuentras errores o tienes sugerencias, por favor crea un issue.

✨ Contribuciones

¡Las contribuciones son bienvenidas! Si deseas mejorar los notebooks, corregir errores o añadir ejemplos, no dudes en crear un Pull Request.


© 2025 Made by Students ❤️ 👋