Computer Vision Avançada

# Descrição

Projeto completo de visao computacional avancada com dois modelos fundamentais. YOLOv8n (Ultralytics) para deteccao de objetos: arquitetura CNN single-shot, 3.2M parametros, 80 classes COCO, bounding boxes com confianca, executado em CPU sobre 3 imagens de amostra (cena urbana, paisagem natural, interior). DeepLabV3-MobileNetV3 (Torchvision) para segmentacao semantica: Atrous Convolution + ASPP module, 11M parametros, 21 classes Pascal VOC, mapa pixel a pixel com overlay colorido. Painel comparativo 3x3 mostrando Original / YOLO / Segmentacao para cada imagem. Inclui ficha tecnica detalhada com diferencas chave entre deteccao e segmentacao.

$ ./deploy.sh $ git clone

# Características principais

$ YOLOv8n: deteccao single-shot com bounding boxes e confianca (80 classes COCO)

$ DeepLabV3: segmentacao semantica pixel a pixel (21 classes VOC)

$ Modelos pre-treinados executados em CPU sem GPU

$ 3 imagens de amostra: urbana, natureza, interior

$ Painel comparativo 3x3: Original vs YOLO vs Segmentacao

$ Visualizacoes individuais salvas em docs/

$ Ficha tecnica com arquitetura, metricas e diferencas chave

# Galeria

Vista desktop

Vista mobile

# Tecnologias utilizadas

Python Ultralytics PyTorch Torchvision Matplotlib