MBA FIAP Inteligência Artificial & Machine Learning
Visão Computacional Capstone
Processamento de imagens aplicada a auditoria automática de vídeo baseada em modelos de deep-learning
Este projeto final tem como objetivo explorar os conhecimentos adquiridos nas aulas práticas. Por meio uma trilha guiada para construir uma aplicação que tem por objetivo analisar imagens e extrair uma série de informações que serão utilizadas para compor uma análise de imagens e vídeos afim de construir uma forma de auditoria automatizada baseado em modelos de inteligência artificial.
1. Instruções
Nas aulas utilizaremos a distribuição Ananconda, com uso intensivo do Jupyter Notebook, que há vem instalado nesta distribuição.
Para instalar, acesse a sessão de Downloads do Anaconda.
2. Repositório
Recomendamos clonar este repositório.
Importante: como serão desenvolvidos modelos com arquivos grandes, é necessário ter um arquivo
.gitignorecom o seguinte conteúdo:
projeto/pesos/*
!projeto/pesos/.gitkeep
projeto/modelos/*
!projeto/modelos/.gitkeep
projeto/classificadores/*
!projeto/classificadores/.gitkeep
projeto/.ipynb_checkpoints
.DS_Store
3. Template guiado
Utilize o arquivo Jupyter "projeto/object-people-audit.ipynb", siga todas as instruções, completando e construindo os algoritmos necessários.
Atenção: o grupo/aluno que não utilizar este template (ou alterar partes indevidas) será automaticamente reprovado.
4. Bibliotecas utilizadas
Este projeto requer Python 3.5 ou superior e as seguintes bibliotecas:
Também será utilizado o modelo de classificação de objetos YOLOv3.
5. Critérios de avaliação
O projeto será avaliado pelos seguintes itens abaixo. A nota final será uma composição levando em consideração o peso de cada tema.
- Desenvolvimento do modelo de predição de idade (n1 peso 2)
- Desenvolvimento do modelo de predição de gênero (n2 _peso 2)
- Detecção de faces e extração de região de interesse (n3 peso 1)
- Algoritmo de detecção de objetos (n4 peso 1)
- Processamento de vídeo (n5 peso 2)
- Conclusões finais (n6 peso 2)
Nota Final = 2 * n1 + 2 * n2 + n3 + n4 + 2 * n5 + 2 * n6
6. Dúvidas
Crie uma Issue com as perguntas para que as dúvidas sejam compartilhados com todos os alunos. Questionamentos particulares devem ser encaminhados pelo e-mail do professor.