.. note::

    Hola, ¡bienvenido a la Comunidad de Entusiastas de SunFounder Raspberry Pi, Arduino y ESP32 en Facebook! Sumérgete en Raspberry Pi, Arduino y ESP32 con otros entusiastas.

    **¿Por qué unirse?**

    - **Soporte experto**: Resuelve problemas postventa y desafíos técnicos con la ayuda de nuestra comunidad y equipo.
    - **Aprende y comparte**: Intercambia consejos y tutoriales para mejorar tus habilidades.
    - **Vistas previas exclusivas**: Obtén acceso anticipado a nuevos anuncios de productos y adelantos.
    - **Descuentos especiales**: Disfruta de descuentos exclusivos en nuestros productos más recientes.
    - **Promociones y sorteos festivos**: Participa en sorteos y promociones de temporada.

    👉 ¿Listo para explorar y crear con nosotros? Haz clic en [|link_sf_facebook|] y únete hoy mismo.

Video 64: Detección de Objetos en Raspberry Pi Usando TensorFlow Lite
=======================================================================================

Este video compara dos enfoques diferentes para configurar la detección de objetos en una Raspberry Pi: uno usando TensorFlow Lite y el otro usando OpenCV con TensorFlow. 
En el primer tutorial, los espectadores aprenden a configurar TensorFlow Lite para la detección de objetos en una Raspberry Pi, cubriendo la instalación, configuración de 
la cámara y configuración del detector de objetos. El segundo tutorial se centra en configurar la detección de objetos utilizando OpenCV y TensorFlow, explorando varios parámetros,
conversión de imágenes, creación de imágenes tensor, detección de objetos, visualización y exploración de la cámara.

1. Introducción a la detección de objetos en Raspberry Pi usando TensorFlow Lite y OpenCV con TensorFlow.
2. Configuración del entorno: Instalación de dependencias y bibliotecas necesarias para cada enfoque.
3. Configuración de cámaras: Configuración de la cámara Raspberry Pi y la webcam para captura de imágenes.
4. Configuración de la detección de objetos: Configuración de parámetros y umbrales para la detección de objetos en imágenes.
5. Conversión de imágenes y creación de tensores: Conversión de imágenes a formatos compatibles y creación de imágenes tensor para el procesamiento de TensorFlow.
6. Ejecución de la detección de objetos: Utilización de modelos TensorFlow para detectar objetos en imágenes.
7. Visualización de resultados: Mostrar resultados de detección en imágenes originales con cuadros delimitadores y etiquetas.
8. Exploración de cámaras: Evaluación del rendimiento de la detección de objetos con diferentes cámaras y ajuste de parámetros según corresponda.

**Video**

.. raw:: html

    <iframe width="100%" 
    style="aspect-ratio: 16/9; max-width: 100%;"
    src="https://www.youtube.com/embed/yE7Ve3U5Slw?si=lqmrduQE8q64qByy" 
    title="YouTube video player" 
    frameborder="0" 
    allow="accelerometer; autoplay; clipboard-write; encrypted-media; gyroscope; picture-in-picture; web-share" 
    allowfullscreen>
    </iframe>