Aquest curs presenta els principals aspectes de la visió computacional, des dels fonaments sobre formació d'imatges i operacions d'imatges bàsiques fins a reconeixement d'objectes, passant pels principals problemes de la visió per computador: segmentació, extracció de punts d'interès, reconeixement de patrons i reconeixement de cares. Es revisaran els mètodes clàssics i els més novedosos per als problemes de visió i es practicarà amb mètodes per resoldre alguns d'aquests problemes.
Professorat
Responsable
Petia Radeva (
)
Altres
Bhalaji Nagarajan (
)
Laura Igual Muñoz (
)
Hores setmanals
Teoria
1.5
Problemes
0
Laboratori
1.5
Aprenentatge dirigit
0
Aprenentatge autònom
5.33
Competències
Competències Tècniques Generals
Genèriques
CG1 - Capacitat per a projectar, dissenyar i implantar productes, processos, serveis i instal·lacions en tots els àmbits de la Intel·ligència Artificial.
CG3 - Capacitat per a la modelització, càlcul, simulació, desenvolupament i implantació en centres tecnològics i d'enginyeria d'empresa, particularment en tasques de recerca, desenvolupament i innovació en tots els àmbits relacionats amb la Intel·ligència Artificial.
Competències Tècniques de cada especialitat
Acadèmiques
CEA6 - Capacitat de comprendre els principis bàsics de funcionament de les tècniques de Visió Computacional, i saber utilitzar-les en l'entorn d'un sistema o servei intel·ligent.
CEA7 - Capacitat de comprendre la problemàtica, i les solucions als problemes en la pràctica professional de l'aplicació de la Intel·ligència Artificial en l'entorn empresarial i industrial.
Professionals
CEP3 - Capacitat d'aplicació de les tècniques d'Intel·ligència Artificial en entorns tecnològics i industrials per a la millora de la qualitat i la productivitat.
CEP5 - Capacitat de dissenyar noves eines informàtiques i noves tècniques d'Intel·ligència Artificial en l'exercici professional.
Competències Transversals
Treball en equip
CT3 - Ser capaç de treballar com a membre d'un equip interdisciplinari, ja sigui com un membre més o duent a terme tasques de direcció, amb la finalitat de contribuir a desenvolupar projectes amb pragmatisme i sentit de la responsabilitat, tot assumint compromisos considerant els recursos disponibles.
ús solvent dels recursos d'informació
CT4 - Gestionar l'adquisició, l'estructuració, l'anàlisi i la visualització de dades i informació de l'àmbit d'especialitat, i valorar de forma crítica els resultats d'aquesta gestió.
Raonament
CT6 - Capacitat d'avaluar i analitzar de manera raonada i crítica sobre situacions, projectes, propostes, informes i estudis de caracter cientific-tecnic. Capacitat d'argumentar les raons que expliquen o justifiquen aquestes situacions, propostes, etc.
Analisis i sintesis
CT7 - Capacitat d'anàlisi i resolució de problemes tècnics complexos.
Objectius
Desenvolupament de pràctiques de visió per computador.
Competències relacionades:
CT3,
CT4,
CT6,
CEP3,
CEP5,
Assolir els coneixemens bàsics i avançats de visió per computador.
Competències relacionades:
CT7,
CEA6,
CEA7,
CG1,
CG3,
Continguts
Introducció a Computational Vision
Processament d'imatges
Detecció de vores i contorns.
Detecció de característiques
Feature Matching
Face detection
Face recognition
Segmentació I
Segmentatció II
Texture analysis
Video Segmentation
Object Recognition
Image classification with CNNs
Activitats
ActivitatActe avaluatiu
Entrega pràctica 1
Aquesta activitat es tracta d'entregar el codi i informe corresponents a una serie d'exercicis bàsics plantejats al primer bloc de l'assignatura. Objectius:1 Continguts:
El curs es dividirà en una sèrie de sessions teòriques i pràctiques:
- Sessions de teoria participatives en què s'introdueixen i discuteixen nous conceptes entre els estudiants. Es fomenta la discussió en grup. Es proporcionaran capítols de llibres de text i treballs de recerca per facilitar el debat i l'intercanvi d'idees.
- S'hi dediquen sessions pràctiques per resoldre problemes, dissenyant mètodes i desenvolupant prototips. Aquestes sessions permeten als estudiants posar en pràctica conceptes prèviament introduïts per obtenir més coneixement.
En principi, esperem seguir el model d'ensenyament presencial per a l'any acadèmic 2022-23.
A més, el material docent ha d'utilitzar un llenguatge inclusiu i incloure (i visibilitzar) referències bibliogràfiques de dones.
Mètode d'avaluació
Els estudiants s'avaluaran en base al seu treball en tasques pràctiques (lliurament de pràctiques en grups de 2 estudiants) i un examen final de teoria. La ponderació de la nota final serà proporcional a les càrregues de treball respectives de les tasques pràctiques i l'examen final de teoria. Nota final: 50% de pràctiques i 50% de qualificació de l'examen final. Per aprovar l'assignatura fa falta aprovar per separat la part teòrica i la part pràctica.