Reconeixement d'Objectes

Crèdits
4
Tipus
Optativa
Requisits
Aquesta assignatura no té requisits , però té capacitats prèvies
Departament
UB;CS
En aquest curs analitzarem el paradigma del reconeixement automàtic d'objectes des d'un punt de vista Visió per computadora i aprenentatge automàtic. Anem a revisar els reptes passats i recents en el reconeixement d'objectes, com ara el reconeixement d'objectes multi-modal, multipart, multi-escala, multi-vista, multi-classe, multi-etiqueta i gran escala, incloses les recents arquitectures d'aprenentatge profund. També revisarem les tendències actuals per a un tipus particular i complex d'objectes: "persones en dades visuals". Anem a tractar el problema de la recuperació de posicions humanes i l'anàlisi del comportament automàtic, que descriu les aplicacions potencials, així com futures línies de recerca en el camp.

Professorat

Responsable

Altres

Hores setmanals

Teoria
1.5
Problemes
0
Laboratori
1
Aprenentatge dirigit
0
Aprenentatge autònom
0

Competències

Competències Tècniques Generals

Genèriques

  • CG2 - Capacitat per a dirigir, planificar i supervisar equips multidisciplinaris.

    • Competències Tècniques de cada especialitat

    Acadèmiques

  • CEA3 - Capacitat de comprendre els principis bàsics de funcionament de les tècniques principals d'Aprenentatge Automàtic, i saber utilitzar-les en l'entorn d'un sistema o servei intel·ligent.
  • CEA4 - Capacitat de comprendre els principis bàsics de funcionament de les tècniques principals d'Intel·ligència Computacional, i saber utilitzar-les en l'entorn d'un sistema o servei intel·ligent.
  • 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.
  • CEA8 - Capacitat de realitzar investigació en noves tècniques, metodologies, arquitectures, serveis o sistemes en l'àrea de la Intel·ligència Artificial.
  • CEA13 - Capacitat de comprendre les tècniques avançades de Modelització, Raonament i Resolució de problemes, i saber dissenyar, implementar i aplicar aquestes tècniques en el desenvolupament d'aplicacions, serveis o sistemes intel·ligents.
  • CEA14 - Capacitat de comprendre les tècniques avançades de Visió, Percepció i Robòtica, i saber dissenyar, implementar i aplicar aquestes tècniques en el desenvolupament d'aplicacions, serveis o sistemes intel·ligents.

    • 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.
  • CEP6 - Capacitat d'assimilar i integrar els canvis de l'entorn econòmic, social i tecnològic als objectius i procediments del treball informàtic en sistemes intel·ligents.
  • CEP8 - Capacitat de respectar l'entorn ambiental i dissenyar i desenvolupar sistemes intel·ligents sostenibles.

    • Competències Transversals

    Actitud adequada davant el treball

  • CT5 - Estar motivat pel desenvolupament professional, per a afrontar nous reptes i per a la millora contínua. Tenir capacitat de treball en situacions de falta d'informació.

    • Bàsiques

  • CB7 - Que els estudiants siguin capaços d'integrar coneixements i enfrontar-se a la complexitat de formular judicis a partir d'una informació que, essent incomplerta o limitada, inclogui reflexions sobre les responsabilitats socials i ètiques vinculades a l'aplicació dels seus coneixements i judicis.

    • Objectius

    1. Introduction to object and human recognition
      Multi-modal object recognition
      Multi-part object recognition
      Multi-scale object recognition
      Multi-view object recognition
      Multi-class object recognition
      Multi-label object recognition
      Multi-ple data: deep-learning for large scale object recognition
      Object Recognition in context: scene understanding and grammars
      Human Pose Recovery
      Human Behavior Analysis
      Competències relacionades: CT5, CEA13, CEA14, CEA3, CEA4, CEA6, CEA8, CEP3, CEP6, CEP8, CG2, CB7,

    Continguts

    1. Introducció
    2. Arquitectures profundes convolucionals
    3. Arquitectures recurrents in Vision
    4. Detecció i segmentació d'objectes
    5. Estimació de postura
    6. Comportament humà
    7. Transformers / self-attention in Vision
    8. Graph Neural Networks in Vision

    Activitats

    Activitat Acte avaluatiu


    Presentació de treball


    Objectius: 1
    Setmana: 10
    Teoria
    0h
    Problemes
    0h
    Laboratori
    0h
    Aprenentatge dirigit
    0h
    Aprenentatge autònom
    0h

    Presentació de treball 2



    Setmana: 14
    Teoria
    0h
    Problemes
    0h
    Laboratori
    0h
    Aprenentatge dirigit
    0h
    Aprenentatge autònom
    0h

    Examen



    Setmana: 15 (Fora d'horari lectiu)
    Teoria
    0h
    Problemes
    0h
    Laboratori
    0h
    Aprenentatge dirigit
    0h
    Aprenentatge autònom
    0h

    Laboratori 1



    Setmana: 2
    Teoria
    0h
    Problemes
    0h
    Laboratori
    0h
    Aprenentatge dirigit
    0h
    Aprenentatge autònom
    0h

    Laboratori 2



    Setmana: 5
    Teoria
    0h
    Problemes
    0h
    Laboratori
    0h
    Aprenentatge dirigit
    0h
    Aprenentatge autònom
    0h

    Laboratori 3



    Setmana: 8
    Teoria
    0h
    Problemes
    0h
    Laboratori
    0h
    Aprenentatge dirigit
    0h
    Aprenentatge autònom
    0h

    Laboratori 4



    Setmana: 12
    Teoria
    0h
    Problemes
    0h
    Laboratori
    0h
    Aprenentatge dirigit
    0h
    Aprenentatge autònom
    0h

    Classes de teoria



    Teoria
    22.5h
    Problemes
    0h
    Laboratori
    0h
    Aprenentatge dirigit
    0h
    Aprenentatge autònom
    0h

    Classe de pràctiques



    Teoria
    0h
    Problemes
    0h
    Laboratori
    15h
    Aprenentatge dirigit
    0h
    Aprenentatge autònom
    0h

    Metodologia docent

    T – Each week it will be a 1.5h theoretical topic exposition class.
    P – Each week it will be a 1h practical session.
    The rest of the course are devoted to autonomous lectures, programming, and studying.

    Mètode d'avaluació

    Es seguirà una metodologia d'avaluació continuada que consisteix en l'entrega de quatre informes de pràctiques (PR) i 2 presentacions a fer en classe (PS) sobre treballs de l'estat de l'art relacionats amb els continguts de l'assignatura. Al final del curs es farà un examen tipus test (TS). La nota final del curs (FS) serà calculada de la següent manera:
    FS = 0.5 * PR + 0.3 * PS + 0.2 * TS
    Es requereix una nota mínima de 3 punts sobre 10 a cadascuna de les parts PR, PS, i TS per optar a la avaluació final FS.

    Bibliografia

    Bàsic

    Complementari