Computer Vision Avanzada

# Descripción

Proyecto completo de vision por computadora avanzada con dos modelos fundamentales. YOLOv8n (Ultralytics) para deteccion de objetos: arquitectura CNN single-shot, 3.2M parametros, 80 clases COCO, bounding boxes con confianza, ejecutado en CPU sobre 3 imagenes de muestra (escena urbana, paisaje natural, interior). DeepLabV3-MobileNetV3 (Torchvision) para segmentacion semantica: Atrous Convolution + ASPP module, 11M parametros, 21 clases Pascal VOC, mapa pixel a pixel con overlay coloreado. Panel comparativo de 3x3 mostrando Original / YOLO / Segmentacion para cada imagen. Incluye ficha tecnica detallada con diferencias clave entre deteccion y segmentacion.

$ ./deploy.sh $ git clone

# Características principales

$ YOLOv8n: deteccion single-shot con bounding boxes y confianza (80 clases COCO)

$ DeepLabV3: segmentacion semantica pixel a pixel (21 clases VOC)

$ Modelos pre-entrenados ejecutados en CPU sin GPU

$ 3 imagenes de muestra: urbana, naturaleza, interior

$ Panel comparativo 3x3: Original vs YOLO vs Segmentacion

$ Visualizaciones individuales guardadas en docs/

$ Ficha tecnica con arquitectura, metricas y diferencias clave

# Galería

Vista escritorio

Vista movil

# Tecnologías utilizadas

Python Ultralytics PyTorch Torchvision Matplotlib