Del Desorden Visual al Significado: Una Aventura con Transformers y Donut
- Speaker
- Kevin Sanchez Sancho
- Event
- PyDay BCN (2025)
- Date
- Type
- Workshop
- Language
- Catalan
- Topic
- Computer vision
- Length
- 75 minutes
About this talk
En este workshop práctico de 90 minutos exploraremos cómo los modelos basados en Transformers han revolucionado el campo de la visión por computadora, superando arquitecturas clásicas como CNNs en tareas de clasificación, detección y segmentación. A través de un caso de estudio original, aprenderás a:
- Preparar un dataset para visión por computadora.
- Implementar un pipeline completo usando Python, PyTorch, HuggingFace y Ollama.
- Aplicar un Vision Transformer (ViT) y/o modelos híbridos como DETR.
- Evaluar resultados y visualizar predicciones con herramientas modernas.
- Comprender cómo extender el pipeline a casos reales de negocio. El enfoque será 100% práctico, con código reproducible y materiales descargables para que puedas continuar experimentando después del taller.
Photos (1)
