MBA FIAP Inteligência Artificial & Machine Learning

Obtenha mais informações sobre a formação em inteligência artificial e a ementa completa no portal da FIAP.

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 .gitignore com 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.

📕 Versão Google Colab

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:

• NumPy
• Pandas
• Matplotlib
• Seaborn
• Scikit-learn
• Keras
• Dlib
• OpenCV

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.