![Aprende e Ingenia](/img/default-banner.jpg)
- 232
- 1 504 665
Aprende e Ingenia
Colombia
Приєднався 9 тра 2020
Hola!, ¿Como estas?
Este es un canal dedicado a la investigación, innovación y desarrollo de tecnologías.
Encontraras algo de robotica, vision por computador y tambien inteligencia artificial.
GitHub: www.GitHub.com/AprendeIngenia
Descarga los codigos de tus proyectos favoritos y ejecutalos tu mismo.
Este es un canal dedicado a la investigación, innovación y desarrollo de tecnologías.
Encontraras algo de robotica, vision por computador y tambien inteligencia artificial.
GitHub: www.GitHub.com/AprendeIngenia
Descarga los codigos de tus proyectos favoritos y ejecutalos tu mismo.
SISTEMA DE RECONOCIMIENTO DE EMOCIONES CON MALLA FACIAL | Python MediaPipe OpenCV
Hola chicos, en este completo tutorial, descubra como puede crear un sistema de reconocimiento de emociones usando la malla facial de mediapipe, extrayendo caracteristicas, distancias y arcos faciales que pueden ser interpretados en diferentes emociones.
Sistema creado con principios SOLID para su correcta implementacion.
Agenda tu asesoría:
linktr.ee/geniia
Compra tu camiseta diseñada por IA:
linktr.ee/geniia
Únete a nuestra comunidad de Discord y aprende mucho mas:
/ discord
Descarga los modelos de Hugging Face:
huggingface.co/AprendeIngenia
Puedes descargar el codigo y comandos de mi GitHub:
github.com/AprendeIngenia
Conviertete en miembro para acceder a sus beneficios:
/ @aprendeingenia
Link de PayPal para donaciones:
www.paypal.me/santiagsanchezr
Respondo dudas en mi pagina de Facebook:
/ aprende.ingenia
Me pueden contactar por Instagram:
/ santiagsanchezr
También me pueden contactar por Twitter:
/ santiagsanchezr
Experimenta con el codigo:
github.com/AprendeIngenia/Aut...
Encuentra mas información de Grounding DINO:
github.com/IDEA-Research/Grou...
#mediapipe #python #tutorial #artificialintelligence
Sistema creado con principios SOLID para su correcta implementacion.
Agenda tu asesoría:
linktr.ee/geniia
Compra tu camiseta diseñada por IA:
linktr.ee/geniia
Únete a nuestra comunidad de Discord y aprende mucho mas:
/ discord
Descarga los modelos de Hugging Face:
huggingface.co/AprendeIngenia
Puedes descargar el codigo y comandos de mi GitHub:
github.com/AprendeIngenia
Conviertete en miembro para acceder a sus beneficios:
/ @aprendeingenia
Link de PayPal para donaciones:
www.paypal.me/santiagsanchezr
Respondo dudas en mi pagina de Facebook:
/ aprende.ingenia
Me pueden contactar por Instagram:
/ santiagsanchezr
También me pueden contactar por Twitter:
/ santiagsanchezr
Experimenta con el codigo:
github.com/AprendeIngenia/Aut...
Encuentra mas información de Grounding DINO:
github.com/IDEA-Research/Grou...
#mediapipe #python #tutorial #artificialintelligence
Переглядів: 514
Відео
ETIQUETADO AUTOMATICO DE IMAGENES PARA DETECCION DE OBJETOS | Auto annotation for object detect
Переглядів 83728 днів тому
Hola chicos, en este completo tutorial, descubra cómo acelerar el proceso de anotación de imágenes utilizando Grounding DINO. Aprenda a convertir conjuntos de imagenes personalizados en datasets personalizados con sus respectivas anotaciones y vea el potencial de utilizar estos modelos para anotar automáticamente sus conjuntos de datos para detectores en tiempo real como YOLOv8. Agenda tu aseso...
¿CUÁL ES EL MEJOR MODELO DE RECONOCIMIENTO FACIAL? | Python test
Переглядів 1,6 тис.3 місяці тому
¿CUÁL ES EL MEJOR MODELO DE RECONOCIMIENTO FACIAL? | Python test
CONTROL DE ACCESO FACIAL CON INTELIGENCIA ARTIFICIAL | Face recognition OpenCV Python
Переглядів 4 тис.3 місяці тому
CONTROL DE ACCESO FACIAL CON INTELIGENCIA ARTIFICIAL | Face recognition OpenCV Python
ENSAMBLE DE PC PARA PROGRAMAR IA o ML | GUIA DE COMPONENTES PARA PROGRAMAR IA | ¡NUEVO PC! 💙
Переглядів 1,6 тис.4 місяці тому
ENSAMBLE DE PC PARA PROGRAMAR IA o ML | GUIA DE COMPONENTES PARA PROGRAMAR IA | ¡NUEVO PC! 💙
NAVEGACION AUTONOMA CON DETECCION DE OBJETOS | Object Detection | Object Tracking | PID Control
Переглядів 2,5 тис.4 місяці тому
NAVEGACION AUTONOMA CON DETECCION DE OBJETOS | Object Detection | Object Tracking | PID Control
ESTIMACION DE PROFUNDIDAD EN TIEMPO REAL | Depth anything in real time
Переглядів 9944 місяці тому
ESTIMACION DE PROFUNDIDAD EN TIEMPO REAL | Depth anything in real time
CONTROL DE ROBOT CON GESTOS DE LA MANO | Python MediaPipe Computer vision
Переглядів 2,6 тис.5 місяців тому
CONTROL DE ROBOT CON GESTOS DE LA MANO | Python MediaPipe Computer vision
ENTRENA TU MODELO DE DETECCION DE OBJETOS PERSONALIZADO AUTOMATIZANDO EL ETIQUETADO | Grounding DINO
Переглядів 4,1 тис.6 місяців тому
ENTRENA TU MODELO DE DETECCION DE OBJETOS PERSONALIZADO AUTOMATIZANDO EL ETIQUETADO | Grounding DINO
AUTOMATIZA EL PROCESO DE ETIQUETADO DE TUS IMAGENES | Auto label dataset | Grounding DINO
Переглядів 3,5 тис.6 місяців тому
AUTOMATIZA EL PROCESO DE ETIQUETADO DE TUS IMAGENES | Auto label dataset | Grounding DINO
Curso de TensorFlow #2: Ejecuta tu Modelo Detector de Objetos en Sitios Web con TensorFlow.js
Переглядів 2,2 тис.7 місяців тому
Curso de TensorFlow #2: Ejecuta tu Modelo Detector de Objetos en Sitios Web con TensorFlow.js
Curso de TensorFlow #1: Entrena tu Propio Modelo Personalizado para Sitios Web con TensorFlow.js
Переглядів 6 тис.8 місяців тому
Curso de TensorFlow #1: Entrena tu Propio Modelo Personalizado para Sitios Web con TensorFlow.js
DETECCION DE OBJETOS PARA TIENDAS INTELIGENTES | Proceso de pago con IA | Yolo V8 Python OpenCV
Переглядів 9 тис.8 місяців тому
DETECCION DE OBJETOS PARA TIENDAS INTELIGENTES | Proceso de pago con IA | Yolo V8 Python OpenCV
SE QUEMO MI NUEVA LAPTOP | Asus ROG STRIX G15 2022 :(
Переглядів 2,9 тис.9 місяців тому
SE QUEMO MI NUEVA LAPTOP | Asus ROG STRIX G15 2022 :(
DETECCIÓN Y CLASIFICACIÓN DE RESIDUOS CON IA y VISIÓN ARTIFICIAL | Python OpenCV Object Detect
Переглядів 17 тис.9 місяців тому
DETECCIÓN Y CLASIFICACIÓN DE RESIDUOS CON IA y VISIÓN ARTIFICIAL | Python OpenCV Object Detect
CURSO#2: SISTEMA DE RECONOCIMIENTO FACIAL + LIVENESS + DETECCION DE OBJETOS | Python Tkinter OpenCV
Переглядів 3,1 тис.10 місяців тому
CURSO#2: SISTEMA DE RECONOCIMIENTO FACIAL LIVENESS DETECCION DE OBJETOS | Python Tkinter OpenCV
CURSO#1: SISTEMA DE RECONOCIMIENTO FACIAL & LIVENESS desde 0 | Python Tkinter OpenCV
Переглядів 18 тис.11 місяців тому
CURSO#1: SISTEMA DE RECONOCIMIENTO FACIAL & LIVENESS desde 0 | Python Tkinter OpenCV
ROBOT SEGUIDOR DE LINEA con VISION ARTIFICIAL | Python Arduino OpenCV
Переглядів 3,6 тис.11 місяців тому
ROBOT SEGUIDOR DE LINEA con VISION ARTIFICIAL | Python Arduino OpenCV
CONEXIÓN DE DISPOSITIVOS BLUETOOTH LE A PYTHON EN WINDOWS | Ble serial Python Arduino
Переглядів 3,5 тис.Рік тому
CONEXIÓN DE DISPOSITIVOS BLUETOOTH LE A PYTHON EN WINDOWS | Ble serial Python Arduino
INTERFAZ DE COMUNICACION ENTRE PYTHON Y ARDUINO con OpenCV | Pyserial
Переглядів 1,3 тис.Рік тому
INTERFAZ DE COMUNICACION ENTRE PYTHON Y ARDUINO con OpenCV | Pyserial
COMUNICACIÓN PYTHON Y ARDUINO con Pyserial | Explicacion completa desde cero | OpenCV
Переглядів 3,3 тис.Рік тому
COMUNICACIÓN PYTHON Y ARDUINO con Pyserial | Explicacion completa desde cero | OpenCV
TUTORIAL DE DETECCION DE LENGUA DE SEÑAS CON VISION ARTIFICIAL | Python OpenCV YoloV8
Переглядів 11 тис.Рік тому
TUTORIAL DE DETECCION DE LENGUA DE SEÑAS CON VISION ARTIFICIAL | Python OpenCV YoloV8
SEGMENTACIÓN DE INSTANCIAS Y DETECCIÓN DE OBJETOS PERSONALIZADA | Entrenamiento paso a paso YoloV8
Переглядів 33 тис.Рік тому
SEGMENTACIÓN DE INSTANCIAS Y DETECCIÓN DE OBJETOS PERSONALIZADA | Entrenamiento paso a paso YoloV8
CURSO PYTHON Y ARDUINO #1: ENSAMBLE Y PROGRAMACIÓN BÁSICA | Arduino Keyestudio
Переглядів 1,7 тис.Рік тому
CURSO PYTHON Y ARDUINO #1: ENSAMBLE Y PROGRAMACIÓN BÁSICA | Arduino Keyestudio
PROYECTOS DE ROBOTICA 2023 | Arduino Vex Robotics Keyestudio
Переглядів 3,3 тис.Рік тому
PROYECTOS DE ROBOTICA 2023 | Arduino Vex Robotics Keyestudio
CURSO de VISION ARTIFICIAL CLASE 10 | ESTIMACIÓN DE POSE | Python OpenCV
Переглядів 4,2 тис.Рік тому
CURSO de VISION ARTIFICIAL CLASE 10 | ESTIMACIÓN DE POSE | Python OpenCV
CURSO de VISION ARTIFICIAL CLASE 9 | OBJECT DETECT SSD MOBILENET V2 | Python OpenCV
Переглядів 6 тис.Рік тому
CURSO de VISION ARTIFICIAL CLASE 9 | OBJECT DETECT SSD MOBILENET V2 | Python OpenCV
CURSO de VISION ARTIFICIAL CLASE 8 | DETECCION DE ROSTROS | Python OpenCV
Переглядів 4,8 тис.Рік тому
CURSO de VISION ARTIFICIAL CLASE 8 | DETECCION DE ROSTROS | Python OpenCV
CURSO de VISION ARTIFICIAL CLASE 7 | OBJECT TRACKING EN TIEMPO REAL | Python OpenCV
Переглядів 4,9 тис.Рік тому
CURSO de VISION ARTIFICIAL CLASE 7 | OBJECT TRACKING EN TIEMPO REAL | Python OpenCV
CURSO de VISION ARTIFICIAL CLASE 6 | ALINEACION DE IMAGENES EN TIEMPO REAL | Python OpenCV
Переглядів 4,7 тис.Рік тому
CURSO de VISION ARTIFICIAL CLASE 6 | ALINEACION DE IMAGENES EN TIEMPO REAL | Python OpenCV
❤
Excelente video pero en esta parte tu cámara tapa el código y me sale un error que no he podido corregir, help me pleasee!! out=tree.export_graphviz(arbol,feature_names=featurenames, out_file=dot_data, class_names=np.unique(y_entre), filled=True,
Hola buenas.Hermano sos un crack y yo tengo una pregunta.Cuando exporto el archivo me aparecen solo las etiquetas de imagenes.Me falta la de validacion.Si alguien que me ayude se lo agradeceria de corazon
Hola que tal hermano, tu video fuel el único que explica detalladamente y justo el que estado buscando por todo internet. El código me seria muy útil para un proyecto, ¿Donde lo puedo encontrar?. De ante mano muchas gracias y BENDICIONES
hola, me estas ayudando mucho te lo digo en verdad, pero no encuentro los ejecutables :(
como lo hago con YOLO V8 o YOLO NAS
hola excelente video, yo estoy comenzando con este proyecto, es posible realizar el proyecto utilizando Visual Studio Code? o necesariamente tengo que instalar el PyCharm!! Gracias 🔥
Excelente!!! Justo estoy atorado porque requiero lanzar la red neuronal utilizando ROS, al principio entrené mi red con Yolov5 pero al querer realizar la inferencia no podía descargar ultralitycs debido al jetpack 4 que trae Python 3.6 y ultralitycs requería Python 3.8. Así que realicé un entorno virtual y allí instale Python 3.8 pero como el jetpack seguía siendo el 4 no podía descargar Pytorch y torchvision para Python 3.8. Justo estos días estaba viendo cómo utilizar Tensor Rt ya que veo que tiene mejor compatibilidad con la tarjeta Jetson para hacer inferencia y pensaba como pasar mis archivos de mi red .pt y .yaml a un archivo ONXX. Con este video ya teniendo el archivo ONXX y el código en Python será mucho más sencillo crear el Nodo en ROS que me permita la comunicación.
Te felicito Santiago, muy buen trabajo. Que descanses, te lo mereces¡. Saludos¡
Amigo, me pareció genial tu video... Pero tengo un problema. En Colab cuando se instala tensorflow-2.13.0 Lanza errores con el KERAS y su compatibilidad: ERROR: pip's dependency resolver does not currently take into account all the packages that are installed. This behaviour is the source of the following dependency conflicts. tensorflow-text 2.17.0 requires tensorflow<2.18,>=2.17.0, but you have tensorflow 2.13.0 which is incompatible. tf-keras 2.17.0 requires tensorflow<2.18,>=2.17, but you have tensorflow 2.13.0 which is incompatible. tf-models-official 2.17.0 requires tensorflow~=2.17.0, but you have tensorflow 2.13.0 which is incompatible. Esto repercute al momento del test, salen errores en keras, por consiguiente al momento de hacer el entrenamiento... Me podrían ayudar
hola puedes volver a subir tu codigo al parecer ya no existe
solo sirve para objetos ya pre entrenados, como se hace para algo 100% nuevo?
alguien que me diga dónde están los repositorios, no los encuentro please
No esta el repositorio
@@joffreveloz2410 si está 🦾
Genial!
Excelente conocimiento, yo tengo una duda respecto al tema que me parece muy interesante aprender Pero en este momento no tengo el tiempo, pero mi duda es cuánta memoria necesitas para hacer un sistema de ingreso por decir algo para 100 personas, escuchado que se gasta mucha memoria, por qué cada rostro toma muchos fotogramas para que el sistema sea preciso
amigo como hago estoy siguiendo al pies de la letra el paso a paso de tu video que por cierto esta excelente, tengo un dataset con la cual fue etiquetado con todos los paso que tu menciona en el video y desde las prueba en roboflow esta perfecto detecta el objecto perfectamente pero sucede lo siguiente yo no quiero un modelo solo para el objecto que cree sino quiero actualizar el actual o importar todas las clases y la detenciones del modelo yolov8n y agregarle una nueva clase, ejemplo si el modelo de yolov8n tiene detecion y clase para gato, perro y ahora yo quiero agregarle raton finalemnte el nuevo modelo en lugar de tener en este caso 80 clase tendras 81 y con la capacidad de detectar los 81 objejeto, he probado de todo de hecho lo estoy entrenado con 200 epoch y con 16 batch la cual cuando lo pruebo me funciona perfecto para la clase que cree pero no me detecta nada de la clase anterior. arregle el data.yaml con 81 clase y defino abajo todas las clases y coloque la nueva clase: 0: weapon 1: person 2: bicycle 3: car 4: motorcycle ........
Hola Santiago, estoy tratando de implementar tu proyecto, pero me encuentro trabado en que quiero predecir el sentimiento predominante del video, tenes idea, yo necesito que me devuelva el sentimiento y la intensidad?... desde aca lo estoy tratando de implemetar def gen_frames(camera, emotion_recognition_system): while True: success, frame = camera.read() if not success: break else: frame = emotion_recognition_system.frame_processing(frame) ret, buffer = cv2.imencode('.jpg', frame) frame = buffer.tobytes() yield (b'--frame ' b'Content-Type: image/jpeg ' + frame + b' ') @bp.route('/video_feed') def video_feed(): camera = Camera(1, 1280, 720) emotion_recognition_system = EmotionRecognitionSystem() return Response(gen_frames(camera, emotion_recognition_system), mimetype='multipart/x-mixed-replace; boundary=frame')
Cordial saludo amigo, tengo un proyecto y necesito comunicarme contigo. hay algún contacto
porque nunca compartes los links directos de los proyectos?
no entendi ni madres, ¿ sera que soy pendejo?
@@alfredolopez-kf3dy te digo cuando termine de verlo
hola excelente, solo funciona con phyton eso posible hacerlo con php?
Gracias
Hola me gustaría tomar una asesoría, saludos
Buenas esto es posible para mocap facial. Yo trabajo en Autodesk Maya tengo un programa llamado ifacialmocap nvidia broadcast. Acepta webcam y mediapipe, pero todo lo que encuentro consigo la ventana con la imagen de FaceMesh , pero el programa con el que conecto a Maya detecta la webcam tal cual. Me encantaría saber implementar para lo que sale en la pantalla de FaceMesh sea información valida es decir la información de la captura de mediapipe real.
GENIAL, gracias por el video de inicio de semana 😁🥳
@@icanbenat con gusto! Feliz semana! 🦾
execelente contenido gracias sigue así 😊
@@xmagcx1 muchas gracias! 🦾
Gracias, ahora ya al corriente con los live😊👌, solo queda seguir copiando y apuntando todos los tips y sugerencias para aprender de esta gran clase, gracias por tu disciplina y constancia en compartir este tipo de temas Santiago.
¡WoW es increíble! Agradezco enormemente el que compartas con la comunidad y desarrolles este tipo de proyectos y tambien que compartas tu guía(proceso). Tu compromiso con el open source es verdaderamente admirable 🤩
Perdóna deseo acceder al discord pero me dice enlace caido :°|
@@icanbenat es con muchísimo gusto! 🦾 ya te comparto el link de Discord
Santiago !, sos un groso !, un seguidor más por aquí. Bueno, solo quiero comentar por si le sirve a alguien, que el código tira un error, en la línea 15 del Tracker.py # tracker.start_track(img, dlib.rectangle(*points[0])). Tengo Python 3.12, numpy 2.0, y se soluciona haciendo un downgrade de numpy a 1.26.4 pip uninstall numpy pip install numpy==1.26.4 Saludos !
gracias! me pasó lo mismo
Santiago, primero que todo te felicito por este maravilloso trabajo realizado y la ayuda que esto nos brinda. Si te queda fácil puedes darme alguna indicación: si requiero entrenar un modelo que evalué dos objetos diferentes como debo hacer el entrenamiento? Muchas gracias
Hola como estas? en este video te explico ese procedimiento: ua-cam.com/video/4-AiCu7ilYI/v-deo.htmlsi=lQO6CR6avKHuXYeW
toni kroos despues del madrid ahora eres programador
El código que esta en tu GitHub no es de este video verdad, podrás compartir el proyecto por favor.
i need code of this project.
Hola gracias por compartir estos proyectos, son increibles. Me gustaria unirme a la comunidad en discord, como puedo tener acceso?
Hola Santiago, te quiero agradecer por tu codigo me sirvió para entender como funcionaba. Te puedo hacer consultas sobre este tema? mi idea es armar algo utilizando las emociones
Hola amigo cuando ejecuto al final en el entorno virtual sale eso NotImplementedError: cannot instantiate 'PosixPath' on your system cabe mencionar que seguí todos los pasos, agradecería tu respuesta en poder ayudarme para solucionar ello.
exelente . solo que no encontre el codigo en github
gracias estaba atascado en como poder etiquetar mis imágenes
Como puedo implementar el codigo en la camara ? La cámara necesita estar conectada a un servidor ? El servidor se conecta al dvr ?
Una pregunta, este código puede ir orientado al esp32-cam?
Sabes como implementarlo en una aplicación para android
Impresionante, gracias! en un mes me uniré a tu canal como miembro.
@@teachermarco5104 muchas gracias! 🦾
disculpa no me fiuncioan el programa, cuando pongo el aruco automaticamente se cierra
Saludos desde Ecuador, gracias por compartir
Buenas compañero, tengo una duda para una tesis , y voy hacer un programa en Python para llevar de una imagen con números a un número, y vi su video y me gustó muchísimo y quería preguntar si puedo implementar su código para que lea o si s capas de leer números?, muchas gracias
Buenas. Basándome en tu idea para el log, he implementado el mío propio como reto. La GUI está diseñada con customTkinter. Está la página inicial donde seleccionas si quieres registrarte o hacer log. Pulsando sobre la opción se destruye el frame del main_frame y se crea la siguiente pantalla "registro/log". Al darle al botón de volver se destruye ese frame y se reconstruye el main_frame. Tiene registro "tradicional o facial" , y en el facial los frames se visualizan en stream con detección de rostro en un label "face recognition + haarcascade frontal face". Lo mismo sucede en el login, pero con la comparación de la imagen registrada y el frame capturado el vídeo resultante en el label tiene mucho lag. Utilizo face_recognition.face_locations, face_recognition.face_encodings, face_recognition.compare_faces, La única solución que se me ocurre para eliminar el lag es, que en el momento de detección positiva, simplemente mostrar un label con login exitoso del usuario "el que sea" y, detener el stream en la pantalla de login. ¿Alguna solución para evitar el lag durante el reconocimiento.?
exelente video, espero mas videos con estas herramientas.
@@williamscondori4479 hola William claro que si!
¡¡¡ Increible Muchas gracias Por tus esfuerzos constantes :) !!!
@@icanbenat es con mucho gusto!
a alguien le ha funcionado el codigo?