Skip to content
Projects

cvail-research/Hands-on-Computer-Vision

View on GitHub

cvail-research/Hands-on-Computer-Vision has 61 GitHub stars and 118 forks. GitHot measured 0 stars in 24 hours. Last checked 2026-11-18 07:39 UTC. Last push 2026-09-08.

How these counts are measured

Measured star growth

in 24h
0
in 7 days
Collecting history
in 15 days
Collecting history
in 1 month
Collecting history

Net star changes over overlapping periods, not daily totals. Missing measurements are left blank. Stars measure attention, not software quality.

About

semillero computer vision

Machine Learning

README.md

Original

Hands-on Computer Vision

Hands-on Computer Vision Logo
Transforma tu visión del mundo: descubre el poder y las posibilidades ilimitadas de la visión por computadora.

Discord GitHub issues GitHub stars Github Forks

🚀 Acerca del Semillero

Bienvenido al repositorio oficial de Hands-on Computer Vision, un semillero de investigación diseñado para explorar las fascinantes áreas de la visión por computadora a través de experiencias prácticas. Este repositorio contiene los notebooks y recursos utilizados en nuestras sesiones semanales.

📚 Sesiones

🔍 Sesión 1: Pilot

Introducción al semillero

Un viaje introductorio por el fascinante mundo de la visión por computadora, donde conocerás el plan de trabajo, conceptos fundamentales y configurarás tu entorno.

📖 Ver notebooks

📷 Sesión 2: De fotones a pixeles

Generalidades sobre la adquisición y procesamiento digital de imágenes

Descubre cómo la luz se transforma en información digital, explorando los principios físicos de formación de imágenes y técnicas básicas de procesamiento.

🚧 En construcción 🚧

🧠 Sesión 3: Deep Learning

Despierta el poder de la inteligencia artificial en la visión por computadora

Adéntrate en el fascinante mundo de las redes neuronales convolucionales y descubre cómo pueden revolucionar el análisis de imágenes.

🚧 En construcción 🚧

🌈 Sesión 4: Imágenes Espectrales

Conoce los secretos que hay más allá de una imagen de color

Explora dimensiones invisibles al ojo humano a través de tecnologías multiespectrales e hiperespectrales.

🚧 En construcción 🚧

🔭 Sesión 5: Estimación pasiva de la profundidad

Explora las técnicas de estimación de profundidad sin fuentes externas

Aprende a extraer información 3D a partir de imágenes 2D utilizando algoritmos avanzados y visión estéreo.

🚧 En construcción 🚧

📏 Sesión 6: Estimación activa de la profundidad

Extrayendo profundidad con precisión milimétrica a partir de la luz

Conoce las tecnologías de sensores activos que permiten mapear el mundo con precisión extraordinaria.

🚧 En construcción 🚧

🔥 Sesión 7: Asignación de proyectos

Rétate a ti mismo 🔥🔥

Momento de poner a prueba tus conocimientos con proyectos desafiantes que integrarán lo aprendido hasta el momento.

🚧 En construcción 🚧

🧩 Sesión 8: Segmentación

Delineando el mundo digital a través de píxeles clasificados meticulosamente

Aprende a dividir y entender imágenes mediante técnicas de segmentación que dan sentido a cada región.

🚧 En construcción 🚧

📊 Sesión 9: Optimización Convexa

Optimizando el mundo con matemáticas

Descubre cómo los principios matemáticos de optimización son el motor detrás de los algoritmos más potentes.

🚧 En construcción 🚧

🔆 Sesión 10: Imágenes térmicas

El mundo visto a través del calor

Explora una dimensión alternativa donde la temperatura revela información invisible a la luz normal.

🚧 En construcción 🚧

💬 Sesión 11: NLP

Aprendiendo a hablar con las máquinas

Conecta el mundo visual con el lenguaje mediante modelos avanzados multimodales.

🚧 En construcción 🚧

🚀 Sesión 12: Proyectos finales

Desafía tus habilidades 🚀 🚀

Culmina tu viaje presentando un proyecto que integre todo lo aprendido durante el semillero.

🚧 En construcción 🚧

🛠️ Cómo utilizar este repositorio

Requisitos previos

  • Python 3.8 o superior
  • Visual Studio Code (con extensiones para Python y Jupyter)
  • Conocimientos básicos de programación

Instalación

  1. Clona este repositorio:

    git clone https://github.com/semilleroCV/hands-on-computer-vision.git
    cd hands-on-computer-vision
    
  2. Crea un entorno virtual:

    python -m venv venv
    source venv/bin/activate  # En Windows: venv\Scripts\activate
    
  3. Instala las dependencias:

    pip install -r requirements.txt
    
  4. Abre el proyecto en VS Code:

    code .
    

👥 Comunidad y Soporte

  • Discord: Únete a nuestra comunidad en Discord para discusiones, preguntas y soporte.
  • Issues: Si encuentras errores o tienes sugerencias, por favor crea un issue.

✨ Contribuciones

¡Las contribuciones son bienvenidas! Si deseas mejorar los notebooks, corregir errores o añadir ejemplos, no dudes en crear un Pull Request.


© 2025 Made by Students ❤️ 👋