Sistemas Inteligentes
Sistemas Inteligentes
  • Видео 60
  • Просмотров 386 584

Видео

Seguimiento de objetos (objects tracking) usando YoloV5 y StrongSort (DeepSort) 😎
Просмотров 2,1 тыс.2 года назад
En este video veremos como hacer seguimiento de objetos usando yolov5 y strongsort/deepsort. Enlace al repositorio para crear el entorno: github.com/DavidReveloLuna/YoloV5 Enlace al repositorio de StrongSort (Fork del repo original de mikel-brostrom): github.com:DavidReveloLuna/Yolov5_StrongSORT_OSNet.git
Pytorch + GPU con YoloV5 en entorno local conda, procesamiento de video en tiempo real 😎
Просмотров 4,3 тыс.2 года назад
En este video encontrarás cómo configurar el entorno para el uso de GPU con soporte para las librerias de Pytorch usando el toolkit de cuda. Realizaremos una prueba de detección de armas usando la cámara web. Enlace al repositorio (código e instrucciones): github.com/DavidReveloLuna/YoloV5 Video tutorial del entrenamiento del modelo en Google Colab ruclips.net/video/43lL23DVHZQ/видео.html Video...
Transformada Discreta de Fourier. Filtros pasa bajas/altas en video en tiempo real con Python(Scipy)
Просмотров 5 тыс.2 года назад
En este video veremos cómo realizar procesamiento de video en tiempo real usando la transformada discreta de Fourier en 2 dimensiones. Veremos cómo realizar filtros pasa bajas y pasa altas en el espacio de frecuencias usando la cámara web. Enlace al repositorio: github.com/DavidReveloLuna/ProcesamientoDatos VideoTutorial Procesaiento de Audio en Tiempo Real usando Fourier ruclips.net/video/5QPd...
Yolov5 en entorno local conda, procesamiento en video, en tiempo real 😎(Modelo entrenado en colab)
Просмотров 4,4 тыс.2 года назад
En este video encontrarás como crear un entorno local con conda para ejecutar inferencia de YoloV5 en video, en tiempo real usando cámara web. Enlace al repositorio (código e instrucciones): github.com/DavidReveloLuna/YoloV5
Video #10. Nvidia Jetson Nano. Inferencia en video .mp4 | Modificar threshold 😎
Просмотров 7862 года назад
Este video es el décimo video de la lista de reproducción Nvidia Jetson Nano, y veremos cómo ejecutar la inferencia en un video pregrabado, y también veremos cómo modificar el threshold para mejorar las detecciones. Usaremos argparse para pasar el valor del threshold por parámetro al programa. Enlace al repositorio de la lista de reproducción (aquí encontrarán las instrucciones de consola) gith...
Video #9. Nvidia Jetson Nano. Modelo de detección de objetos entrenado en Google Colab. Parte 2 😎
Просмотров 1,5 тыс.2 года назад
Este video es el noveno de la lista de reproducción Nvidia Jetson Nano, y veremos cómo llevar el modelo de detección de objetos entrenado en Google Colab a la tarjeta Jetson Nano. Enlace al repositorio de la lista de reproducción (aquí encontrarán las instrucciones de consola y el programa ejecutado en la tarjeta) github.com/DavidReveloLuna/JetsonNano
Video #8. Nvidia Jetson Nano. Entrenamiento de modelo de detección de objetos en Google Colab 😎
Просмотров 2,3 тыс.2 года назад
Este video es el octavo de la lista de reproducción Nvidia Jetson Nano, y veremos cómo entrenar un modelo de detección de objetos en Google Colab que podamos luego ejecutar en la tarjeta Jetson Nano. Enlace al repositorio de la lista de reproducción (aquí encontrarán la carpeta Trainingtools, el dataset y el enlace al documento de Colab) github.com/DavidReveloLuna/JetsonNano
Video #7. Nvidia Jetson Nano. Integra OpenCV a tu programa de detección de objetos SSD😎
Просмотров 1,8 тыс.2 года назад
Este video es el séptimo de la lista de reproducción Nvidia Jetson Nano, y veremos cómo integrar las librerias de OpenCV en nuestro propio código de detección de objetos que habíamos entrenado previamente. Enlace al repositorio de la lista de reproducción: github.com/DavidReveloLuna/JetsonNano
Video #6. Nvidia Jetson Nano. Escribe tu propio código para detección de objetos SSD😎.
Просмотров 2,2 тыс.2 года назад
Este video es el sexto de la lista de reproducción Nvidia Jetson Nano, y veremos cómo escribir nuestro propio código de detección de objetos con cámara web montando en docker el modelo que hemos entrenado previamente. Enlace al repositorio de la lista de reproducción: github.com/DavidReveloLuna/JetsonNano
Training Yolov5 Custom Dataset en Google Colab
Просмотров 13 тыс.2 года назад
En este video encontrarás el PASO a PASO para entrenar una red neuronal YOLOv5 usando tu propio dataset y con procesamiento en la nube (pytorch y google colab). Enlace al repositorio (código e instrucciones): github.com/DavidReveloLuna/YoloV5
Video #5. Nvidia Jetson Nano. Etiqueta tu dataset con LabelImg y entrena tu CNN😎.Detección de abejas
Просмотров 2,8 тыс.2 года назад
Este video es el quinto de la lista de reproducción Nvidia Jetson Nano, y veremos cómo etiquetar nuestro dataset usando LabelImg en nuestro PC, para luego llevar el dataset etiquetado a la tarjeta JetsonNano. Para ilustrar el tutorial realizaremos el entrenamiento de una red para detectar abejas Enlace del repositorio de labelImg github.com/tzutalin/labelImg Enlace del dataset de imagenes de ab...
Video #4. Nvidia Jetson Nano. Construye tu dataset para el entrenamiento 😎. Detección de mascarillas
Просмотров 2,4 тыс.2 года назад
Este video es el cuarto de la lista de reproducción Nvidia Jetson Nano, y veremos cómo crear nuestro propio dataset con anotaciones para el entrenamiento de la red neuronal en la tarjeta Jetson Nano. Para ilustrar el tutorial realizaremos el entrenamiento de una red para detectar mascarillas Enlace del repositorio Hello World de Nvidia Jetson Nano github.com/dusty-nv/jetson-inference
¿Cómo desarrollar un sistema de detección de mascarillas en tiempo real usando Jetson Nano?
Просмотров 7002 года назад
Quieres saber cómo desarrollar un sistema de detección de mascarillas o cubrebocas en tiempo real usando una cámara web y la tarjeta Jetson Nano. Suscríbete al canal y espera el próximo video tutorial
Video #3. Nvidia Jetson Nano😎. Entrenamiento de red neuronal SSD para detección de objetos en video.
Просмотров 4,2 тыс.2 года назад
Este video es el tercero de la lista de reproducción Nvidia Jetson Nano, y veremos cómo entrenar nuestra propia red neuronal convolucional SSD - Mobilenet para realizar detección de objetos en imágenes y video. Entrenaremos una red neuronal para realizar detección de manzanas y naranjas. Enlace del repositorio Hello World de Nvidia Jetson Nano github.com/dusty-nv/jetson-inference Enlace al repo...
Video #2. Nvidia Jetson Nano. Detección de objetos Hello World desde Docker
Просмотров 4,9 тыс.2 года назад
Video #2. Nvidia Jetson Nano. Detección de objetos Hello World desde Docker
Video #1. Nvidia Jetson Nano. Instalación Jetpack. Configuración inicial
Просмотров 7 тыс.3 года назад
Video #1. Nvidia Jetson Nano. Instalación Jetpack. Configuración inicial
Detección de Rostro , Malla Facial, Estimación de Pose, Detección de manos usando MediaPipe en Video
Просмотров 1,1 тыс.3 года назад
Detección de Rostro , Malla Facial, Estimación de Pose, Detección de manos usando MediaPipe en Video
Segmentación semántica de imágenes usando U-net | Explicación y código en python
Просмотров 7 тыс.3 года назад
Segmentación semántica de imágenes usando U-net | Explicación y código en python
¿Cómo poner un modelo de machine learning en producción usando Google Cloud? | deploy | parte 2
Просмотров 6 тыс.3 года назад
¿Cómo poner un modelo de machine learning en producción usando Google Cloud? | deploy | parte 2
Modelo de Machine Learning en Producción en Google Cloud usando Streamlit | deploy | parte 1
Просмотров 9 тыс.3 года назад
Modelo de Machine Learning en Producción en Google Cloud usando Streamlit | deploy | parte 1
Detección de emociones en tiempo real Parte 2 👌| Redes neuronales convolucionales | Face emotion
Просмотров 4,3 тыс.3 года назад
Detección de emociones en tiempo real Parte 2 👌| Redes neuronales convolucionales | Face emotion
Detección de emociones en tiempo real 😁| Redes neuronales convolucionales | Face emotion |Tensorflow
Просмотров 9 тыс.3 года назад
Detección de emociones en tiempo real 😁| Redes neuronales convolucionales | Face emotion |Tensorflow
Automated Machine Learning para clasificación de imágenes usando AutoKeras en Google Colab | AutoML
Просмотров 1,4 тыс.3 года назад
Automated Machine Learning para clasificación de imágenes usando AutoKeras en Google Colab | AutoML
Automated Machine Learning con Auto Sklearn en Google Colab | AutoML | ¿Qué es AutoML?
Просмотров 2,5 тыс.3 года назад
Automated Machine Learning con Auto Sklearn en Google Colab | AutoML | ¿Qué es AutoML?
Regresión Lineal Múltiple | Cómo funcionan la RLM | Código en python
Просмотров 3,9 тыс.3 года назад
Regresión Lineal Múltiple | Cómo funcionan la RLM | Código en python
Máquinas de Soporte Vectorial | Cómo funcionan las SVM | Código en python
Просмотров 18 тыс.3 года назад
Máquinas de Soporte Vectorial | Cómo funcionan las SVM | Código en python
Bosques Aleatorios - Random Forest. Cómo funcionan y código en Python
Просмотров 19 тыс.3 года назад
Bosques Aleatorios - Random Forest. Cómo funcionan y código en Python
Arboles de decisión (Parte 1 de Bosques Aleatorios)
Просмотров 8 тыс.3 года назад
Arboles de decisión (Parte 1 de Bosques Aleatorios)
Regresión Logística en Python. Sistema de Clasificación Supervisado
Просмотров 6 тыс.3 года назад
Regresión Logística en Python. Sistema de Clasificación Supervisado

Комментарии

  • @rubenrondon5559
    @rubenrondon5559 13 дней назад

    Muy bacano el video, una consulta, el paper habla de la necesidad de aplicar data augmentation para robustecer el proceso y mejorar la invarianza sobre todo frente a aplicaciones de imagenes medicas, en el caso de como replicaste el codigo donde se estan aplicando esta data augmentation?

  • @lucastripolone4950
    @lucastripolone4950 23 дня назад

    Hola cuando instalo miniconda y abro el prompt me larga este error File "C:\Users\ltrip\miniconda3\Scripts\conda-script.py", line 11, in <module> from conda.cli import main ModuleNotFoundError: No module named 'conda' Invoke-Expression : Cannot bind argument to parameter 'Command' because it is an empty string. At C:\Users\ltrip\miniconda3\shell\condabin\Conda.psm1:76 char:36 + Invoke-Expression -Command $activateCommand; + ~~~~~~~~~~~~~~~~ + CategoryInfo : InvalidData: (:) [Invoke-Expression], ParameterBindingValidationException + FullyQualifiedErrorId : ParameterArgumentValidationErrorEmptyStringNotAllowed,Microsoft.PowerShell.Commands.Invo keExpressionCommand como puede ser?

  • @angelsleeitherhuataysalaza8097
    @angelsleeitherhuataysalaza8097 28 дней назад

    esta convolución es discreta o continua?

    •  26 дней назад

      Discreta!

  • @jorge5kira
    @jorge5kira Месяц назад

    Hola buenas noches que buen material, quisiera consultarle si tienes alguna continuidad del tema o parte dos del árbol de decisión ?

  • @andresestevez2701
    @andresestevez2701 Месяц назад

    una duda como seria sin el clasificador, si no un grupo de imágenes aleatorias como 30 imagenes al azar, el resultado ya no seria un lista si no un solo numero. Como seria las instrucciones del codigo

  • @romenmartin4741
    @romenmartin4741 Месяц назад

    Muchas gracias¡ Muy ilustrativo y con el code...Genial.

  • @alejandroandrade3408
    @alejandroandrade3408 Месяц назад

    Que pasa cuando me dan una función π^2 como defino ?😢

  • @simplecronista2400
    @simplecronista2400 2 месяца назад

    Chamo no explicaste como interpretar los resultados. Esta fallo el video

  • @matiasbarrios7427
    @matiasbarrios7427 2 месяца назад

    wooow realmente quiero ver el desarrollo matematico en detalle

  • @MrMadmaggot
    @MrMadmaggot 2 месяца назад

    GPU:0 xddddddddddddddddddddddddddddddddddddddd

  • @johnnyjosuelarreateguimaya7441
    @johnnyjosuelarreateguimaya7441 2 месяца назад

    A mi me sale error en la parte de model = sequential ;( una pregunta con estoy corriendo en CPU no hay problema con eso ???pero me sale error cuando quiero poner GPU de nuevo me sale de pago que hago hay??

  • @eli_gamer1423
    @eli_gamer1423 3 месяца назад

    Buen video Maestro, gracias 🙌

  • @felipemunoz6561
    @felipemunoz6561 3 месяца назад

    No me reconoce la gpu, ayuda. Estoy ejecutando un archivo .py

  • @denisportal9826
    @denisportal9826 3 месяца назад

    gran video

  • @andersonrcc2205
    @andersonrcc2205 3 месяца назад

    Eres muy bueno

  • @jesuseduardorodriguezmarti9598
    @jesuseduardorodriguezmarti9598 3 месяца назад

    if your balenaEtcher drop an error like this: Error invoking remote method 'disable-screensaver': No handler registered for 'disable-screensaver' at o.invoke (node:electron/js2c/renderer_init:57:526) to see the error use ctrl+ahift+i and see the console just run balenaEtcher with admin

  • @dbagnis
    @dbagnis 3 месяца назад

    Genial!. Super importante. Muy bien explicado. Muchas gracias.

  • @MiguelAngelGarciaGonzale-cd4me
    @MiguelAngelGarciaGonzale-cd4me 3 месяца назад

    Esto es super util para mas de una ocacion

  • @GabrielGonzalez-de9el
    @GabrielGonzalez-de9el 4 месяца назад

    Hola muchas gracias por el contenido , tengo un problema en el minuto 2:36 ya que al momento de iniciar la 3ra linea de codigo me marca un erro de el pc no reconoce la entrada

  • @mariapaulaperezlargo5173
    @mariapaulaperezlargo5173 4 месяца назад

    Muchas gracias por la explicación, tengo duda sobre los parámetros que ingresas sobre random forest: ¿Cómo saber si se debe aplicar la regresión con random forest, de qué depende? ¿Cómo sabes el número de arboles (en este caso son 19)? ¿cómo se obtiene el random_state = 2016 y el min_samplesleaf=8?

  • @franklindjmg
    @franklindjmg 4 месяца назад

    Saludos cordiales... aprendiendo de tus videos y orientaciones... la consola la estas ejecutando en ambiente wimdows?

  • @Dossmoon
    @Dossmoon 4 месяца назад

    Hola cuando hago el test no hace los cuadros cuando ejecuto el penultimo comando y no ejecuta el último comando podrías ayudarme?

  • @poatir
    @poatir 4 месяца назад

    Este lenguaje es una mierda...que porqueria este sistema de librerias.....desorden caos...basura

  • @josemarcelofranco9110
    @josemarcelofranco9110 4 месяца назад

    Hola como me constacto con usted?

  • @kevinjulianguerreropenagos5187
    @kevinjulianguerreropenagos5187 4 месяца назад

    Aunque en si es un excente proyecto y enseñansa muchas gracias

  • @kevinjulianguerreropenagos5187
    @kevinjulianguerreropenagos5187 4 месяца назад

    Me esta molestando el keras... estuve toda la noche intentando realizar el paso a paco ademas cuando quiero cambiar del base tampoco me deja...

  • @Luis.Arias-Oficial
    @Luis.Arias-Oficial 4 месяца назад

    Hola,por qué hay latencia? Pensé que si tiene un gpu sería mejor que rasperry

  • @LuisClon
    @LuisClon 4 месяца назад

    Capo de capos

  • @fernandogc1801
    @fernandogc1801 4 месяца назад

    Como puedo contactarte?

    •  4 месяца назад

      Hola, cuentame.

    • @fernandogc1801
      @fernandogc1801 4 месяца назад

      @ quería una asesoría amigo, estoy realizando mi proyecto de grado para graduarme en ingeniería y necesito conceptos para investigar

    •  4 месяца назад

      De qué trata tu proyecto? Tal vez si nos cuentas podemos recomendarte algo particular

    • @fernandogc1801
      @fernandogc1801 4 месяца назад

      @ 🫠🫠🫠

    • @fernandogc1801
      @fernandogc1801 4 месяца назад

      Quisiera contactarme contigo

  • @fundacionypf-instrumentaci9091
    @fundacionypf-instrumentaci9091 4 месяца назад

    Hola, necesito segmentar troncos de árboles, que me recomendás?

  • @linleyliliana
    @linleyliliana 4 месяца назад

    Muchas gracias, bendiciones, espero que en el futuro hagas más videos sobre SVM

  • @SergioVeloza
    @SergioVeloza 5 месяцев назад

    No me sirveee 😭, podrias actualizarlo esta tecnologia esta genial!!!!

  • @juanesteban9009
    @juanesteban9009 5 месяцев назад

    Excelente tutorial, muchas gracias por la explicación

  • @VictorViera
    @VictorViera 5 месяцев назад

    saludos, muy bueno

  • @Johnny-wx6jl
    @Johnny-wx6jl 5 месяцев назад

    buen video nuevo suscriptor

  • @tucafejava
    @tucafejava 5 месяцев назад

    Tendrás un código parecido pero con el SSD MOBILENETV2?

  • @diegomiranda4181
    @diegomiranda4181 5 месяцев назад

    Hola Es el primer vid que veo en tu canal y me parece muy bien presentado y de gran ayuda. Por eso me atrevo a preguntar: Porque el dataset se toma como Nx renglones y N columnas?? Digo... cuando hacemos visualización digamos con Pandas... eso se ve al revés, es decir, las caracteristicas se visualizan como columnas y las muestras como renglones. Saludos.

    •  5 месяцев назад

      Hola Diego, gracias por tu observación. Habría sido mejor presentarlo como mencionas, gracias, sin embargo, creo que es transparente para la explicación, no supone mayor diferencia. Gracias nuevamente!

  • @JorgeAbelBarrazaGuevara
    @JorgeAbelBarrazaGuevara 5 месяцев назад

    import numpy as np import pandas as pd import seaborn as sns from pylab import rcParams import matplotlib.pyplot as plt from matplotlib import rc from pandas.plotting import register_matplotlib_converters from sklearn.model_selection import train_test_split import urllib import os import csv import cv2 import time from PIL import Image from keras.models import load_model

  • @ivanmedrano3756
    @ivanmedrano3756 5 месяцев назад

    logre hacer todo pero cuando intente correr el codigo en el kernel desde vscode crasheo y me apareció el siguiente mensaje: The Kernel crashed while executing code in the current cell or a previous cell. Please review the code in the cell(s) to identify a possible cause of the failure. Click here for more info. View Jupyter log for further details. Alguien sabe a que se debe?

  • @carlosfm3639
    @carlosfm3639 5 месяцев назад

    una duda, la matriz de confusión me dice los que fueron bien o mal clasificados pero debe haber alguna forma de saber a detalle la clasificación que recibió cada entrada en el dataset?

    •  5 месяцев назад

      Hola. Claro que sí, puedes hacer una predicción individual y compararla con tu valor esperado

  • @Edgur-vh5iu
    @Edgur-vh5iu 6 месяцев назад

    excelente video, me podrias proporcionar el link o la marca de tu camara porfavor, se ve con buena resolucion y sin retrasos

  • @geomensurainteligente
    @geomensurainteligente 6 месяцев назад

    Yo tengo una duda, en qué momento se justifica no entrenar los últimos 3 o últimos 6? .Hay algún papers que justifique ese criterio de no hacer correr el modelo según el video, ya que esa información solo la ejecutan, pero nunca me han respondido esa inquietud. Buen aporte, Gracias y espero su respuesta.

  • @jessicasuarezatencia2263
    @jessicasuarezatencia2263 6 месяцев назад

    Muy buenas tardes! Espero que se encuentre muy bien. He intentado realizar el paso a paso del video pero al final me sale este error. Updating service [default] (this may take several minutes)...failed. ERROR: (gcloud.app.deploy) Error Response: [9] An internal error occurred while processing task /app-engine-flex/flex_await_healthy/flex_await_healthy>2024-03-07T22:29:08.500Z12152.jf.0: Traceback (most recent call last): File "/usr/local/bin/streamlit", line 5, in <module> from streamlit.cli import main File "/usr/local/lib/python3.7/site-packages/streamlit/__init__.py", line 49, in <module> from streamlit.proto.RootContainer_pb2 import RootContainer File "/usr/local/lib/python3.7/site-packages/streamlit/proto/RootContainer_pb2.py", line 37, in <module> create_key=_descriptor._internal_create_key), File "/usr/local/lib/python3.7/site-packages/google/protobuf/descriptor.py", line 796, in __new__ _message.Message._CheckCalledFromGeneratedFile() TypeError: Descriptors cannot not be created directly. If this call came from a _pb2.py file, your generated code is out of date and must be regenerated with protoc >= 3.19.0. If you cannot immediately regenerate your protos, some other possible workarounds are: 1. Downgrade the protobuf package to 3.20.x or lower. 2. Set PROTOCOL_BUFFERS_PYTHON_IMPLEMENTATION=python (but this will use pure-Python parsing and will be much slower). More information: developers.google.com/protocol-buffers/docs/news/2022-05-06#python-updates Me podría indicar que solución podría manejar?

  • @pedropedroza5617
    @pedropedroza5617 7 месяцев назад

    Hola no tendras un video para configurar el ADC para la jetson nano?

  • @jorgemora9574
    @jorgemora9574 7 месяцев назад

    Excelente vídeo. Es necesario usar anaconda? O es posible activar la GPU haciendo uso de Visual Studio Code? Muchas gracias de antemano.

    •  7 месяцев назад

      Hola, no es estrictamente necesario usar anaconda, pero si es recomendable usar un gestor de entornos para facilitarte el trabajo.

  • @jmbcrp1010
    @jmbcrp1010 7 месяцев назад

    puedes por favor recomendarme la camara USB que sugiere la jetson nano? (USB), gracias

  • @paulmejias6905
    @paulmejias6905 8 месяцев назад

    Es posible instalar tensorflow con una tarjeta IRIS XE?

  • @franciscoriquelme5468
    @franciscoriquelme5468 8 месяцев назад

    Hola!, muy buen video, podrias hacer una actualiación de este video explicando en detalle el archivo yaml y el archivo dockers, quizás un modelo de ML + un dashbord enstreamlit

  • @EE-up6hl
    @EE-up6hl 8 месяцев назад

    Padre, literalmente padre

  • @santruchas
    @santruchas 8 месяцев назад

    Hola David, nose si puedas ayudarme, estoy haciendo un código con reconocimiento facial que utiliza de librerías Opencv y faceRecognition, el problema es que, cuando ejecuto el programa me va súper lagueada la cámara, a diferencia de mi otro programa que no utiliza ni Opencv ni faceRecognition (solamente uso una función recognize face para abrir la cámara y simular un reconocimiento facial) en este segundo programa, la cámara me va bien y sin lag, el problema es en el primer caso, en donde utilizo Opencv y faceRecognition, no sé si sabrás cual es mi problema, muchas gracias.