Este repositório reúne quatro Jupyter Notebooks didáticos que cobrem o essencial de Computação Visual para ingressantes na área de Computer Vision (CV) do Turing USP. Eles estão disponíveis dentro do nosso curso no Google Classroom, aplicado aos trainees de CV. Todos os notebooks são acompanhados de uma vídeo-aula explicando a teoria e os exercícios, disponíveis nessa playlist do YouTube.
Cada notebook aparece em duas versões:
| Sufixo de arquivo | Conteúdo | Uso sugerido |
|---|---|---|
[Template]_.ipynb |
Sem resolução – células‑guia com enunciados e espaços em branco | resolver individualmente |
[Resolvido]_.ipynb |
Resolvido – código completo, explicações e comentários | consulta pós‑aula ou estudo autônomo |
| Ordem | Título | Breve descrição |
|---|---|---|
| 1. | Fundamentos de Imagens Digitais | pixels, resolução, canais de cor (RGB, grayscale, HSV), leitura e exibição de imagens |
| 2. | Data Augmentation em Imagens | normalização, ajustes geométricos, augmentation |
| 3. | Detecção de Características & Segmentação | bordas (Sobel, Canny), cantos (Harris), descritores (ORB) e técnicas básicas de segmentação |
| 4. | CNNs para Visão Computacional | arquitetura de uma CNN, treinamento em um dataset simples, transfer learning com redes pré‑treinadas |
Distribuído sob a licença MIT. Sinta‑se livre para utilizar e adaptar o material, citando a fonte.
Pull requests são muito bem‑vindos! Se encontrar erros, abra uma issue ou envie um PR com correções / sugestões de atividades extras.
Bons estudos e bem‑vindos à área de CV do Turing USP! 🚀