Ementa

Introdução ao Processamento Digital de Imagens. Operações de Convolução e Pooling. Camadas de uma Rede Neural Convolucional. Desenvolvimento de Aplicações: Classificação de Imagens, Reconhecimento Facial e Detecção de Objetos.

Objetivo

Apresentar os conceitos e aplicações de redes neurais convolucionais, por meio de uma abordagem teórica e prática.

Pré-requisito

Conhecimentos intermediários de programação na linguagem Python. Conhecimentos introdutórios de redes neurais artificiais equivalentes àqueles do curso “Introdução às Redes Neurais e Deep Learning”

Metodologia

O curso é composto por videoaulas gravadas e atividades teóricas e práticas, com notebooks com código na linguagem Python.

O curso pode ser feito em uma das duas modalidades:

    1. Faça você mesmo: o aluno faz o curso por conta própria e no seu tempo. Ele assiste às videoaulas e realiza as atividades teóricas e práticas sem a ajuda de um instrutor. Não há certificado de conclusão do curso.

    2. Orientada por um instrutor: o aluno segue um cronograma com datas predefinidas para assistir as videoaulas, realizar as atividades teóricas e práticas e participar de encontros com o instrutor. Esses encontros podem ser em laboratórios específicos ou por meio de videoconferências. Nessa modalidade, o aluno recebe um certificado de conclusão do curso se atender aos requisitos mínimos exigidos.

Na modalidade de aulas orientada por um instrutor, a abordagem pedagógica seguirá a metodologia de Sala de Aula Invertida. Nela, os alunos devem se preparar para cada encontro presencial/online antes do encontro, por meio da leitura de livros de referência, slides, videoaulas e outros materiais relacionados à aula a ser ministrada/discutida. Durante o encontro, os alunos podem esclarecer dúvidas, fazer listas de exercícios, trabalhar em projetos e outras atividades, e também podem ser  solicitados a explicar o assunto da aula. A maior parte das atividades será feita fora do horário da aula presencial/online, usando-se os laboratórios da universidade ou o seu próprio equipamento, e apresentado durante a aula. Além disso, relatórios técnicos podem ser solicitados para cada projeto.

Carga Horária

As seguintes atividades compõem a carga horária do curso. O tempo de execução é estimado/aproximado:

    • Assistir às videoaulas: 5h

    • Revisar os slides, notebooks e outros materiais: 1h

    • Responder o questionário de fixação: 1,5h

    • Executar as atividades práticas: 6,5h

    • Participar das aulas presenciais/online: a carga horária pode ser configurada sob demanda. O padrão é 5h (aula de boas-vindas, de 30 minutos, mais 3 aulas de uma hora e meia cada, sendo uma aula por semana, totalizando 3 semanas de curso)

Carga horária total na modalidade “Faça você mesmo”: 14h

Carga horária total na modalidade “Orientada por um instrutor”: 19h

Avaliação

1 questionário de fixação – valor: 15 pontos

3 atividades práticas – valor: 35 pontos (15+15+5 pontos)

1 projeto final – valor: 35 pontos

3 participações em sala de aula (presencial/online): valor: 15 pontos (5 pontos cada)

==> Nota mínima para aprovação: 75 pontos

Políticas do Curso e outras Informações

Frequência: mínimo de 75% de participação nas aulas presencias/online.

Entrega de trabalho com atraso: não será aceita.

Avaliações perdidas: uma nova avaliação será marcada somente com justificativa aceita pela UFLA.

Dispositivos móveis e acesso à Internet em sala de aula: permitido somente para acesso a material relacionado à aula.

Plágio: sempre cite suas fontes quando apresentar ideias e/ou linguagem que você não desenvolveu por conta própria, incluindo material de aula e discussões.

Ética / violações da integridade acadêmica: consulte políticas e regras da UFLA.

Sala Virtual

Slides, notebooks e outros materiais estarão disponíveis no Campus Virtual da UFLA e/ou nesta página.

Material do Curso

Slides

Videoaulas

Questionário de Fixação

Notebooks das Aulas

Notebooks das Atividades Práticas

Referências Bibliográficas

Consulte as referências disponíveis nos slides e nos notebooks.

Cronograma de Aulas

Semana 1:

    • Participar da aula presencial/online 0 - Boas-Vindas / Apresentação do Curso

    • Videoaula cnn-01 - Introdução à Redes Neurais Convolucionais

    • Videoaula cnn-02 - Operação de Convolução

    • Videoaula cnn-03 - Padding

    • Videoaula cnn-04 - Convolução Strided

    • Videoaula cnn-05 - Convolução sobre Volumes

    • Videoaula cnn-06 - ConvNet - Rede Neural Convolucional

    • Videoaula cnn-07 - Pooling

    • Revisar os slides e outros materiais de referência

    • Responder o Questionário de Fixação

    • Videoaula cnn-08a - Notebook - Classificacao de Imagens

    • Videoaula cnn-08b - Notebook - Classificacao de Imagens

    • Videoaula cnn-08c - Notebook - Classificacao de Imagens

    • Videoaula cnn-08d - Notebook - Classificacao de Imagens

    • Participar da aula presencial/online 1

---------

Semana 2:

    • Revisar o notebook de Classificação de Imagens

    • Fazer Atividade Prática 1

    • Videoaula cnn-09 - Reconhecimento Facial

    • Videoaula cnn-10a - Notebook - Reconhecimento Facial

    • Videoaula cnn-10b - Notebook - Reconhecimento Facial

    •  Videoaula cnn-10c - Notebook - Reconhecimento Facial

    • Videoaula cnn-10d - Notebook - Reconhecimento Facial

    • Videoaula cnn-11 - Notebook - Detecção de Faces

    • Revisar os notebooks de Reconhecimento Facial e Detecção de Faces

    • Fazer Atividade Prática 2

    • Participar da aula presencial/online 2

---------

Semana 3:

    • Videoaula cnn-12a - Detecção de Objetos

    • Videoaula cnn-12b - Detecção de Objetos - Janelas Deslizantes

    • Videoaula cnn-12c - Detecção de Objetos - Algoritmo YOLO

    • Videoaula cnn-13 - Notebook - Detecção de Objetos

    • Revisar o notebook de Detecção de Objetos

    • Fazer Atividade Prática 3

    • Fazer Atividade Prática 4 (Projeto Final)

    • Participar da aula presencial/online 3