Processament d'Imatge i Visió Artificial

Esteu aquí

Inici » Estudis » Graus » Grau en Ciència i Enginyeria de Dades » Pla d'estudis » Assignatures » Processament d'Imatge i Visió Artificial
Crèdits
6
Tipus
Obligatòria
Requisits
Aquesta assignatura no té requisits, però té capacitats prèvies
Departament
TSC
Aquest curs proporciona una perspectiva de les tècniques essencials de processat, anàlisi i interpretació d'imatges. El curs està estructurat en funció de la complexitat de la informació extreta de les imatges i del nivell d'interpretació de l'escena. Els dos primers blocs presenten els models útils per a l'extracció inicial d'informació mitjançant una única imatge, en particular els models d'espai vectorial, de morfologia matemàtica i de conjunts de nivells. El procés d'interpretació de les imatges implica generalment un pas d'agrupament de la informació prèviament extreta. Les tècniques relacionades amb aquest procés de visió a nivell mitjà/alt combinen processos de segmentació i de detecció que són el contingut del tercer i quart bloc de l'assignatura. Finalment, l'últim bloc presenta les eines necessàries per analitzar la informació de seqüències de vídeo.

Professorat

Responsable

  • Javier Ruiz Hidalgo ( )

Altres

  • Philippe Salembier Clairon ( )

Hores setmanals

Teoria
3
Problemes
0
Laboratori
1
Aprenentatge dirigit
0
Aprenentatge autònom
6

Competències

Competències Tècniques

Competències tècniques

  • CE5 - Dissenyar i aplicar tècniques de processat de senyal, triant entre diferents eines tecnològiques, incloses les de visió artificial, de reconeixement del llenguatge parlat i de tractament de dades multimèdia.

Competències Transversals

Transversals

  • CT6 [Avaluable] - Aprenentatge autònom. Detectar deficiències en el propi coneixement i superar-les mitjançant la reflexió crítica i l'elecció de la millor actuació per ampliar aquest coneixement.
  • CT7 [Avaluable] - Tercera llengua. Conèixer una tercera llengua, preferentment l'anglès, amb un nivell adequat oral i escrit i d'acord amb les necessitats que tindran els titulats i titulades.

Bàsiques

  • CB5 - Que els estudiants hagin desenvolupat aquelles habilitats d'aprenentatge necessàries per emprendre estudis posteriors amb un alt grau d'autonomia

Competències Tècniques Generals

Genèriques

  • CG1 - Concebre sistemes computacionals que integren dades de procedències i formes molt diverses, construeixen amb ells models matemàtics, raonen sobre aquests models i actuen en conseqüència, aprenent de l'experiència.
  • CG2 - Elegir i aplicar els mètodes i tècniques més adequats a un problema definit per dades que representin un repte pel seu volum, velocitat, varietat o heterogeneïtat, inclosos mètodes informàtics, matemàtics, estadístics i de processament del senyal.
  • CG4 - Identificar oportunitats per a aplicacions innovadores orientades a dades en entorns tecnològics en contínua evolució.
  • CG5 - Poder recórrer a coneixements fonamentals i metodologies de treball sòlides adquirits durant els estudis per adaptar-se als nous escenaris tecnològics del futur.

Objectius

  1. Adquirir els coneixements bàsics de representació freqüencial i filtres avançats d'imatges.
    Competències relacionades: CE5, CT7, CG1, CG5, CB5,
  2. Comprendre i saber utilitzar les eines de processament geomètric.
    Competències relacionades: CE5, CT7, CG2, CB5,
  3. Comprendre i saber utilizar les tècniques de segmentació i de detecció d'objectes.
    Competències relacionades: CE5, CT6, CT7, CG1, CG2, CG4, CB5,
  4. Adquirir els coneixements bàsics d'estimació de moviment i seguiment.
    Competències relacionades: CE5, CT6, CT7, CG2, CG5, CB5,

Continguts

  1. Filtratge i Anàlisi freqüencial
    Representació freqüencial: FT, DFT
    Filtratge avançat: lineal, no local, bilateral
    Anàlisi multi-escala
  2. Processat geomètric
    Morfologia matemàtica
    Filtres per reconstrucció
    Models variacionals i conjunts de nivell
  3. Model basat en regions
    Segmentació basada en transicions: Detecció de contorns, contorns actius
    Segmentació basada en homogeneitat: Classificació, creixement de regions, watershed.
  4. Model basat en objectes
    Detecció d'objectes: descriptors locals, bag of words, propostes de regions, regresió.
  5. Anàlisi de Vídeo
    Estimació de movimient, optical flow
    Seguiment

Activitats

Activitat Acte avaluatiu


Tema 1

Classes de teoria, problemes i laboratori corresponents al Tema 1
  • Teoria: Classes de teoria corresponents al Tema 1
  • Laboratori: Classes de laboratori corresponents al Tema 1
  • Aprenentatge dirigit: Aprenentatge dirigit corresponent al Tema 1
  • Aprenentatge autònom: Aprenentatge autònom corresponent al Tema 1
Objectius: 1
Continguts:
Teoria
9h
Problemes
0h
Laboratori
3h
Aprenentatge dirigit
0h
Aprenentatge autònom
17.7h

Tema 2

Classes de teoria, problemes i laboratori corresponents al Tema 2
  • Teoria: Classes de teoria corresponents al Tema 2
  • Laboratori: Classes de laboratori corresponents al Tema 2
  • Aprenentatge dirigit: Aprenentatge dirigit corresponent al Tema 2
  • Aprenentatge autònom: Aprenentatge autònom corresponent al Tema 2
Objectius: 2
Continguts:
Teoria
9h
Problemes
0h
Laboratori
3h
Aprenentatge dirigit
0h
Aprenentatge autònom
17.7h

Tema 3

Classes de teoria, problemes i laboratori corresponents al Tema 3
  • Teoria: Classes de teoria corresponents al Tema 3
  • Laboratori: Classes de laboratori corresponents al Tema 3
  • Aprenentatge dirigit: Aprenentatge dirigit corresponent al Tema 3
  • Aprenentatge autònom: Aprenentatge autònom corresponent al Tema 3
Objectius: 3
Continguts:
Teoria
9h
Problemes
0h
Laboratori
3h
Aprenentatge dirigit
0h
Aprenentatge autònom
17.7h

Tema 4

Classes de teoria, problemes i laboratori corresponents al Tema 4
  • Teoria: Classes de teoria corresponents al Tema 4
  • Laboratori: Classes de laboratori corresponents al Tema 4
  • Aprenentatge dirigit: Aprenentatge dirigit corresponent al Tema 4
  • Aprenentatge autònom: Aprenentatge autònom corresponent al Tema 4
Objectius: 3
Continguts:
Teoria
9h
Problemes
0h
Laboratori
3h
Aprenentatge dirigit
0h
Aprenentatge autònom
17.7h

Tema 5

Classes de teoria, problemes i laboratori corresponents al Tema 5
  • Teoria: Classes de teoria corresponents al Tema 5
  • Laboratori: Classes de laboratori corresponents al Tema 5
  • Aprenentatge dirigit: Aprenentatge dirigit corresponent al Tema 5
  • Aprenentatge autònom: Aprenentatge autònom corresponent al Tema 5
Objectius: 4
Continguts:
Teoria
9h
Problemes
0h
Laboratori
3h
Aprenentatge dirigit
0h
Aprenentatge autònom
17.7h

Metodologia docent

L'assignatura es basa en classes presencials de teoria i laboratori.

Les classes de teoria segueixen el programa definit en aquesta guia docent. Dins de les classes de teoria es promociona el diàleg entre els professors i els estudiants proposant exercicis i activitats a realitzar conjuntament basats en aspectes particulars del tema que s'està tractant.

Les classes de laboratori exemplifiquen els contiguts desenvolupats a les classes de teoria.

Mètode d'avaluació

La nota final de l'assignatura s'obté a partir de les notes de

- L'examen parcial: P (20%)
- L'examen final: F (50%)
- Les pràctiques: L (30%)

Nota = max (0.5F+0.2P+0.3L ; 0.7F+0.3L)

En cas de fer examen de re-avaluació (R), la nota final és

Nota = 0.7R+0.3L

Bibliografia

Bàsica:

Capacitats prèvies

Els coneixements adquirits a les assignatures del grau en quadrimestres anteriors.