8 ideas divertidas de proyectos de visión artificial para principiantes [2022]

La IA y el aprendizaje automático tienen múltiples ramas, y la visión artificial se encuentra entre las más destacadas. Una de las mejores maneras de aprender visión por computadora es completando proyectos de visión por computadora. Es por eso que, en este artículo, hemos compartido nuestras principales ideas de proyectos de visión artificial. Son para varios niveles de habilidad, por lo que puede elegir un proyecto (o varios proyectos) de acuerdo con su experiencia. Empecemos.

Nuestras mejores ideas para proyectos de visión artificial

1. Realice la detección de rostros en sus fotos familiares

La detección de rostros es una de las ideas de proyectos de visión artificial más populares. Tiene aplicaciones en muchas áreas, seguridad, redes sociales, atención médica, etc. Ya sea que sea un desarrollador principiante o avanzado, puede encontrar un proyecto de detección de rostros para trabajar con facilidad. La detección de rostros es una sección considerable de la visión por computadora, y si desea convertirse en un experto, debe trabajar en varios proyectos de detección de rostros.

Si es un principiante, debe comenzar con la biblioteca de reconocimiento facial en Python . Es una biblioteca fácil de usar con comandos sencillos para implementaciones específicas de reconocimiento facial. Sin embargo, debe tener experiencia en programación en Python para usar esta biblioteca. Esta biblioteca tiene un comando simple de reconocimiento de rostros, que le permite identificar rostros rápidamente.

Por otro lado, si eres un programador avanzado, puedes usar OpenCV para realizar la identificación de rostros en imágenes. Puede combinar la biblioteca de reconocimiento facial con otras bibliotecas de Python para crear soluciones más complejas.

Cómo hacer que el proyecto sea más desafiante

Puede desarrollar un modelo que identifique rostros en videos. Por otro lado, puedes enseñar a tu modelo a reconocer personas en fotos de grupo. Esto significa que el modelo debe reconocer a la persona presente en la imagen. Para eso, tendría que entrenar el modelo con un conjunto de datos personalizado de las imágenes de las personas que desea que el modelo reconozca.

2. Cree una solución de conteo de personas

El conteo de personas es una aplicación destacada de la tecnología de visión artificial. Con la reciente pandemia, el valor de las soluciones de conteo de personas aumentó sustancialmente. Puede usar OpenCV y Python para construir un modelo para calcular el número total de personas presentes en una imagen.

Una solución de conteo de personas puede ser fundamental en el mundo actual, donde el distanciamiento social es vital para la supervivencia. Como principiante, primero debe comenzar con un modelo simple de medición de personas que pueda contar la cantidad de personas presentes en una imagen.

Cómo hacer que el proyecto sea más desafiante

Si desea hacer este proyecto más complicado o avanzado, puede agregar más funcionalidades. Por ejemplo, cree una solución que cuente la cantidad de personas presentes en un lugar público para hacer cumplir las reglas de distanciamiento social. Habría una cierta cantidad de personas más allá de la cual sería improbable que se siguiera el distanciamiento social adecuado.

Únase al curso ML en línea de las mejores universidades del mundo: maestrías, programas ejecutivos de posgrado y programa de certificado avanzado en ML e IA para acelerar su carrera.

3. Practique el reconocimiento de objetos con el conjunto de datos de imágenes abiertas

Si es un principiante y no ha trabajado antes en proyectos de procesamiento de imágenes, debe familiarizarse con el conjunto de datos de imágenes abiertas de Google. Es una colección de alrededor de nueve millones de imágenes diferentes que contienen ricas anotaciones. Las fotos son de varios tipos, y muchas incluso tienen escenas complejas de múltiples objetos. Tiene cuadros delimitadores de objetos, relaciones visuales, anotaciones de etiquetas y muchas cosas que lo hacen perfecto para cualquier entusiasta de la visión por computadora.

Puede entrenar sus modelos con Open Images Dataset.

Aprender: clasificación de imágenes de Tensorflow 2.0

4. Realice la clasificación de imágenes en CIFAR-10

La clasificación de imágenes es una importante aplicación de aprendizaje profundo de la visión artificial. Para trabajar en este proyecto, debe estar familiarizado con Python, Keras y TensorFlow. Puede utilizar el conjunto de datos CIFAR-10 para realizar la clasificación de imágenes. Tiene más de 60.000 imágenes con diez clases de destino.

Cada clase objetivo tiene 6.000 imágenes. Las fotos presentes en este conjunto de datos tienen una resolución relativamente baja, por lo que puede probar varios algoritmos sin enfrentar problemas técnicos. La clasificación de imágenes se centra en separar los píxeles de una imagen según las clases a las que pertenecen.

Tendría que construir una red neuronal convolucional a través de Keras para completar este proyecto.

No tendrá que descargar el conjunto de datos CIFAR-10 por separado si ya tiene Keras. Eso es porque está presente en el módulo de conjuntos de datos.

Al trabajar en este proyecto, aprenderá mucho sobre la clasificación de imágenes. También podría usar TensorFlow y Keras, dos de las herramientas de inteligencia artificial más destacadas de la industria. Trabajar en este proyecto lo ayudará a explorar sus características y funcionalidades.

Cómo hacer que el proyecto sea más desafiante

Para hacer que este proyecto sea más desafiante, puede agregar una GUI a su solución. La GUI (interfaz gráfica de usuario) permitiría a un usuario introducir imágenes en el conjunto de datos de prueba del modelo para su análisis. Debe estar familiarizado con la biblioteca Tkinter de Python para construir la GUI. De esta manera, tendría una solución de software funcional que puede realizar la clasificación de imágenes en los conjuntos de datos deseados.

5. Detectar colores en imágenes

La detección de colores en las imágenes es una parte crucial de la visión artificial. Puede parecer fácil de hacer, pero ciertamente no lo es. Hay muchas aplicaciones para un modelo de detección de color. Por ejemplo, puede usarlo en un software de edición de fotos. La detección de color es una gran parte de la detección ecológica, que se ha vuelto bastante popular en la industria de los medios y el entretenimiento.

El objeto de su modelo sería detectar todos los colores presentes en una imagen. Puede usar el conjunto de datos Google-512 para entrenar su modelo. Es una colección de imágenes de Internet separadas según sus colores primarios y tiene los colores negro, rojo, blanco, amarillo, naranja, azul, gris, morado, rosa y marrón. Puede obtener el conjunto de datos Google-512 aquí.

Pago: Ideas de proyectos de inteligencia artificial

Cómo hacer que el proyecto sea más desafiante

Como mencionamos anteriormente, la pantalla verde es probablemente la aplicación más popular de la tecnología de detección de color. Las pantallas verdes son, como su nombre indica, son pantallas de color verde. Permiten a los usuarios cambiar el fondo de una imagen o video en cualquier foto o video deseado. Luego, el software identificaría el color verde de la pantalla y lo reemplazaría con la imagen o el video seleccionado. Puede construir un modelo que se asemeje a la pantalla verde.

6. Aprenda el seguimiento de objetos

El seguimiento de objetos es una aplicación de nivel avanzado de visión artificial. Si bien hemos discutido principalmente proyectos de procesamiento de imágenes en nuestra lista, este proyecto se enfoca en el análisis de video. Un modelo de seguimiento de objetos identificaría y rastrearía un objeto específico en un video. El modelo realiza dos tareas particulares en el seguimiento de objetos. Tiene que predecir el siguiente estado del objeto de acuerdo con el estado actual. Luego, el modelo tiene que corregir el estado de acuerdo con la condición real del objeto.

Puede utilizar el conjunto de datos TLP para trabajar en este proyecto. Tiene 50 videos de alta definición de escenarios del mundo real. Tiene más de 400 minutos de varios clips. Los creadores del conjunto de datos TLP también tienen un conjunto de datos más pequeño llamado TinyTLP. Tiene los primeros 20 segundos de cada clip presente en el conjunto de datos TLP. Puede obtener más información sobre el conjunto de datos TLP aquí .

7. Contar vehículos en imágenes y videos

Un sistema de conteo de vehículos puede ser muy útil para gestionar el tráfico. También puede ser útil para los automóviles sin conductor. En este proyecto, crearía un modelo de conteo de vehículos que pueda contar la cantidad de automóviles y bicicletas presentes en una imagen. Debería poder contarlos en escenarios desafiantes (imágenes con sombras altas u oclusiones). Para trabajar en este proyecto, puede utilizar la base de datos de imágenes de vehículos, una colección de más de 3425 imágenes de vehículos.

Puede entrenar su modelo para que reconozca automóviles utilizando ese conjunto de datos. Debe estar familiarizado con el reconocimiento de objetos antes de comenzar a trabajar en este proyecto. La base de datos también tiene 3900 imágenes de secuencias de carreteras sin vehículos. Hay varias clases disponibles en la base de datos de imágenes de vehículos, por lo que puede entrenar su modelo rigurosamente.

8. Cree un escáner de códigos QR

Debes haber notado lo populares que se han vuelto los códigos QR en los últimos años. UPI, Paytm, PhonePe y otras aplicaciones de pago digital han hecho que los códigos QR sean muy populares debido a sus implementaciones simples. Los escáneres de códigos QR utilizan la visión artificial para el análisis de imágenes. Entonces, en este proyecto, debe construir un escáner de código QR.

Tendrías que usar OpenCV para construir el escáner. Esto significa que también debe estar familiarizado con la programación en Python antes de comenzar a trabajar en este proyecto. Además de OpenCV, utilizará pyzbar , en este proyecto, una biblioteca de Python dedicada a escanear códigos QR y códigos de barras.

Trabajar en este proyecto lo familiarizará con las aplicaciones del mundo real de la visión artificial. Además, tendría un escáner de código QR operativo que puede integrar en otro proyecto.

Cómo hacer que el proyecto sea más desafiante

Para hacer este proyecto más complicado, puede agregar la funcionalidad de escanear códigos de barras en su modelo. Existen diferencias sustanciales entre los códigos de barras y los códigos QR. Necesitaría usar pyzbar para crear un escáner de código de barras. Puede llevar este proyecto un paso más allá al combinar el escáner de códigos QR y el escáner de códigos de barras en una sola solución.

Leer: Ideas de proyectos de aprendizaje automático

Más información sobre IA y aprendizaje automático

Esperamos que haya disfrutado leyendo este artículo sobre ideas de proyectos de visión artificial. Si tiene alguna pregunta o sugerencia sobre este tema, por favor háganoslo saber. Nos encantaría saber de usted.

Al trabajar en múltiples proyectos de visión artificial, puede desarrollar las habilidades necesarias para convertirse en un experto en este campo. Los proyectos también lo ayudan a encontrar sus deficiencias. Si desea obtener más información sobre la visión por computadora, puede dirigirse a nuestro blog.

Por otro lado, si quieres una experiencia de aprendizaje personalizada, te recomendamos realizar un curso de aprendizaje automático . El curso de aprendizaje automático le permitirá aprender de expertos de la industria a través de cuestionarios, videos y proyectos interactivos.

Consulte el Programa de certificación avanzada en aprendizaje automático y nube con IIT Madras, la mejor escuela de ingeniería del país para crear un programa que le enseñe no solo el aprendizaje automático sino también la implementación efectiva del mismo utilizando la infraestructura de la nube. Nuestro objetivo con este programa es abrir las puertas del instituto más selectivo del país y brindar a los estudiantes acceso a profesores y recursos increíbles para dominar una habilidad que está en alto y en crecimiento.

¿Qué proyectos de procesamiento de imágenes te gustaron más? ¿Estás planeando trabajar en un proyecto? Háganos saber en los comentarios.