O YOLO (You Only Look Once) é um algorítmo de detecção de objetos em vídeos e imagens e é famoso devido à sua velocidade e precisão. Recentemente tivemos o lançamento da versão 6 do algorítmo, que promete ser ainda mais precisa. Neste tutorial vamos mostrar como o YOLO funciona na prática através de um case prático e quais são as últimas novidades do mercado.

Motivação: Existe uma grande quantidade de aplicações de visão computacional em que podemos aplicar o YOLO. Algumas delas são veículos autônomos, detecção de placas de veículos, detecção de placas de sinalização, sistemas de segurança em ambientes públicos, robôs aspiradores, diagnóstico em medicina, detecção de produtos em uma loja, etc. Além disso, o YOLO é a ferramenta mais conhecida quando se trata de reconhecimento de objetos. Com ela, é fácil de criar um projeto do zero e colocar em produção.

Roteiro e tópicos do tutorial:

1) Sobre o palestrante (5 min):
* Apresentação breve do palestrante.

2) Teoria básica sobre o YOLO. Nessa seção, vou passar o mínimo necessário para entender o YOLO de uma maneira simples (35 min):
* Como funcionam as redes neurais (introdutório básico), Darknet (arquitetura nativa do YOLO)
* Quais são os componentes do YOLO. Bounding box (caixa delimitadora), probabilidade de detecção, etc.
* Exemplo dele funcionando na prática.

3) Aplicação prática. Vou fornecer o tutorial (1h20 min):
* Set up do código
* Sobre o dataset
* Avaliação do modelo
* Deploy do modelo usando Flask

Obs: para facilitar o andamento do tutorial, levarei alguns códigos auxiliares previamente publicados no github.

Sobre o palestrante:
Possui 7+ anos de experiência com data science e engenharia de software. Atualmente é Gerente de Data Science da BairesDev e mestrando em engenharia elétrica pela POLI - USP com projeto de visão computacional aplicada a veículos autônomos. Possui experiência como palestrante (+5 só no TDC). É Professor de Análise de Dados e BI na Escola Conquer.