Aplicación de Inteligencia Artificial (AI) en Procesamiento de Imágenes

Temario

Módulo 1: Introducción al Procesamiento de Imágenes y la Inteligencia Artificial.

1. Introducción al Procesamiento de Imágenes.
   • Historia y evolución del procesamiento de imágenes.
   • Aplicaciones y casos de uso en diversas industrias.
2. Fundamentos de la Inteligencia Artificial y el Aprendizaje Automático.
   • Conceptos básicos de AI, Machine Learning y Deep Learning.
   • Diferencias y relaciones entre AI, ML y DL.
3. Herramientas y Librerías para Procesamiento de Imágenes en Python.
   • PIL/Pillow.
   • OpenCV.
   • Scikit-image.
4. Frameworks para Deep Learning.
   • TensorFlow y Keras.
   • PyTorch.

Módulo 2: Introducción a Python.

1. Entorno de desarrollo.
2. Elementos del lenguaje.
   • Tipos de datos.
   • Estructura de Control.
   • Estructuras de datos.
3. Conceptos de Orientación a objetos.
   • Constructor.
   • Atributos.
   • Métodos.
4. Numpy.
   • Arreglos y matrices.
   • Tipos de datos.
   • Operaciones matemáticas con matrices.

Módulo 3: Fundamentos de Procesamiento Digital de Imágenes.

1. Conceptos Básicos.
   • Representación de imágenes digitales.
   • Espacios de color.
2. Operaciones Básicas en Imágenes.
   • Operaciones de punto (brillo, contraste).
   • Transformaciones geométricas.
3. Filtros y Técnicas de Mejora de Imágenes.
   • Filtros espaciales y de frecuencia.
   • Suavizado y realce de bordes.

Módulo 4: Algoritmos de Segmentación y Detección

1. Segmentación de Imágenes.
   1. Umbralización y técnicas basadas en histograma.
   2. Segmentación por agrupamiento.
   3. Segmentación por regiones.
2. Detección de Objetos y Características
   1. Detección de bordes y contornos.
   2. Detección de características.

Módulo 5: Redes Neuronales Convolucionales (CNN)

1. Fundamentos de CNN.
   • Concepto y arquitectura de CNN.
   • Capas convolucionales, de agrupación y completamente conectadas.
2. Aplicaciones de CNN en Procesamiento de Imágenes.
   • Clasificación de imágenes.
   • Detección de objetos.
   • Segmentación semántica.
3. Prompt Engineering para procesamiento de imágenes.
   • Segmentación de imágenes.
   • Detección de objetos.