Visión por Computador

Usted está aquí

Créditos
6
Tipos
Obligatoria
Requisitos
Esta asignatura no tiene requisitos, pero tiene capacidades previas
Departamento
ESAII
Este asignatura es una introducción a la visión por ordenador, incluiyendo los principios del procesado de imágenes, el reconocimiento de escenas y la clasificación de objetos

Profesorado

Responsable

  • Joan Climent Vilaró ( )

Otros

  • Isiah Zaplana Agut ( )

Horas semanales

Teoría
2
Problemas
0
Laboratorio
2
Aprendizaje dirigido
0
Aprendizaje autónomo
6

Competencias

Competencias Transversales

Transversales

  • CT6 [Avaluable] - Aprendizaje autónomo. Detectar deficiencias en el propio conocimiento y superarlas mediante la reflexión crítica y la elección de la mejor actuación para ampliar dicho conocimiento.

Básicas

  • CB1 - Que los estudiantes hayan demostrado poseer y comprender conocimientos en un área de estudio que parte de la base de la educación secundaria general, y se suele encontrar a un nivel que, si bien se apoya en libros de texto avanzados, incluye también algunos aspectos que implican conocimientos procedentes de la vanguardia de su campo de estudio.
  • CB2 - Que los estudiantes sepan aplicar sus conocimientos a su trabajo o vocación de una forma profesional y posean las competencias que suelen demostrarse por medio de la elaboración y defensa de argumentos y la resolución de problemas dentro de su área de estudio.
  • CB5 - Que los estudiantes hayan desarrollado aquellas habilidades de aprendizaje necesarias para emprender estudios posteriores con un alto grado de autonomía

Competencias Técnicas

Específicas

  • CE01 - Resolver los problemas matemáticos que puedan plantearse en el ámbito de la inteligencia artificial. Aplicar los conocimientos sobre: álgebra, cálculo diferencial e integral y métodos numéricos; estadística y optimización.
  • CE02 - Dominar los conceptos básicos de matemática discreta, lógica, algorítmica y complejidad computacional, y su aplicación para el tratamiento automático de la información por medio de sistemas computacionales y su aplicación para la resolución de problemas.
  • CE03 - Identificar i aplicar els procediments algorítmics bàsics de les tecnologies informàtiques per a dissenyar solucions a problemes, analitzant la idoneïtat i complexitat dels algorismes proposats.
  • CE04 - Diseñar y utilizar de forma eficiente los tipos y estructuras de datos más adecuados a la resolución de un problema.
  • CE13 - Evaluar la complejidad computacional de un problema, identificar estrategias algorítmicas que puedan conducir a su resolución y recomendar, desarrollar e implementar aquella que garantice el mejor rendimiento de acuerdo con los requisitos establecidos.
  • CE14 - Dominar los fundamentos, paradigmas y técnicas propias de los sistemas inteligentes y analizar, diseñar y construir sistemas, servicios y aplicaciones informáticas que utilicen dichas técnicas en cualquier ámbito de aplicación, incluido la robótica.
  • CE15 - Adquirir, formalizar y representar el conocimiento humano en una forma computable para la resolución de problemas mediante un sistema informático en cualquier ámbito de aplicación, particularmente los relacionados con aspectos de computación,percepción y actuación en ambientes o entornos inteligentes.
  • CE18 - Adquirir y desarrollar técnicas de aprendizaje computacional y diseñar e implementar aplicaciones y sistemas que las utilicen, incluyendo las dedicadas a extracción automática de información y conocimiento a partir de grandes volúmenes de datos.
  • CE19 - Utilizar los sistemas de computación actuales, incluidos sistemas de alto rendimiento, para el proceso de grandes volúmenes de datos desde el conocimiento de su estructura, funcionamiento y particularidades.
  • CE26 - Diseñar y aplicar técnicas de procesado y análisis de imágenes y visión por computador en el ámbito de la inteligencia

Competencias Técnicas Genéricas

Genéricas

  • CG2 - Utilizar los conocimientos fundamentales y metodologías de trabajo sólidas adquiridos durante los estudios para adaptarse a los nuevos escenarios tecnológicos del futuro.
  • CG4 - Razonar, analizando la realidad y diseñando algoritmos y formulaciones que la modelen. Identificar problemas y construir soluciones algorítmicas o matemáticas válidas, eventualmente nuevas, integrando el conocimiento multidisciplinar necesario, valorando distintas alternativas con espíritu crítico, justificando las decisiones tomadas, interpretando y sintetizando los resultados en el contexto del dominio de aplicación y estableciendo generalizaciones metodológicas a partir de aplicaciones concretas.
  • CG6 - Identificar oportunidades para aplicaciones innovadoras de la inteligencia artificial y la robótica en entornos tecnológicos en continua evolución.
  • CG8 - Observar un ejercicio ético de la profesión en todas sus facetas, aplicando criterios éticos en el diseño de sistemas,algoritmos, experimentos, utilización de datos, de acuerdo con los sistemas éticos recomendados por los organismos nacionales e internacionales, con especial énfasis en seguridad, robustez, privacidad, transparencia, trazabilidad, prevención de sesgos (de raza, género, religión, territorio, etc.) y respeto a los derechos humanos.
  • CG9 - Afrontar nuevos retos con una visión amplia de las posibilidades de la carrera profesional en el ámbito de la Inteligencia Artificial. Desarrollar la actividad aplicando criterios de calidad y mejora continua, y actuar con rigor en el desarrollo profesional. Adaptarse a los cambios organizativos o tecnológicos. Trabajar en situaciones de carencia de información y/o con restricciones temporales y/o de recursos.

Objetivos

  1. Definir y cuantificar las caractersticas de una imagen
    Competencias relacionadas: CB1, CE04,
  2. Comparar y seleccionar las herramientas más adecuadas de procesado de imágenes en función del problema a resolver.
    Competencias relacionadas: CE26, CB1, CE01, CE02, CE03, CE04, CE15, CE19,
  3. Segmentar y etiquetar las regiones de una imagen
    Competencias relacionadas: CE26, CG2, CG4, CB5, CE01, CE03, CE04, CE13, CE15,
  4. Encontrar los descriptores más significativos para caracterizar regiones o puntos de interés de un objeto
    Competencias relacionadas: CE26, CG2, CG4, CG8, CG9, CT6, CB5, CE14, CE15, CE18,
  5. Detectar y reconocer la presencia de determinados ítems en una imagen
    Competencias relacionadas: CE26, CG2, CG4, CG6, CG8, CG9, CT6, CE14, CE15, CE18, CE19,
  6. Realizar correctamente experimento para evaluar los métodos propuestos, sus limitaciones y points flacos, en base a resultados objetivos.
    Competencias relacionadas: CG2, CG4, CG8, CB2, CE01, CE02, CE03, CE14,

Contenidos

  1. Fundamentos de la imagen digital
    La imagen digital, propiedades y características. Discretización y cuantificación. Espacios de color.
  2. Procesado de imágenes
    Procesamiento linial. Filtrado de imágenes. Proceso morfológico. Espai d'escala
  3. Segmentación de imágenes
    Detección de contornos. Clustering. Segmentación morfológica
  4. Descriptores
    El espacio de característica. Descriptores de forma. Descriptores de apariencia. Detectores de vértices y puntos de interés
  5. Reconocimiento
    Mstching global. Matching local. Modelización de objetos. Medidas de distancia y cuantificación del error
  6. Soluciones basadas en aprendizaje profundo
    Reconocimiento de categorías. Segmentación semántica. Interpretación de les redes. Arquitecturas

Actividades

Actividad Acto evaluativo


La imagen digital

Propiedades y características de la imagen digital
Objetivos: 1
Contenidos:
Teoría
2h
Problemas
0h
Laboratorio
2h
Aprendizaje dirigido
0h
Aprendizaje autónomo
4h

Procesado lineal de imágenes

Operaciones básicas. Suavizado y realzado de imágenes. Convolución
Objetivos: 2
Contenidos:
Teoría
4h
Problemas
0h
Laboratorio
4h
Aprendizaje dirigido
0h
Aprendizaje autónomo
10h

Procesado morfológico de imágenes

Filtrado no lineal de imágenes. Componentes conexas
Objetivos: 2
Contenidos:
Teoría
4h
Problemas
0h
Laboratorio
4h
Aprendizaje dirigido
0h
Aprendizaje autónomo
8h

Segmentación de imágenes

Binarización. Detección de contornos. Segmentación por clustering
Objetivos: 3
Contenidos:
Teoría
2h
Problemas
0h
Laboratorio
2h
Aprendizaje dirigido
0h
Aprendizaje autónomo
4h

Primer parcial


Objetivos: 1 2 3
Semana: 7 (Fuera de horario lectivo)
Teoría
2h
Problemas
0h
Laboratorio
0h
Aprendizaje dirigido
0h
Aprendizaje autónomo
12h

Segundo parcial


Objetivos: 4 5 6
Semana: 15 (Fuera de horario lectivo)
Teoría
2h
Problemas
0h
Laboratorio
0h
Aprendizaje dirigido
0h
Aprendizaje autónomo
12h

Descriptores

Descriptores de forma. Detección y descripción de puntos de interés. DEtección de caras
Objetivos: 4
Contenidos:
Teoría
6h
Problemas
0h
Laboratorio
6h
Aprendizaje dirigido
0h
Aprendizaje autónomo
10h

Detección y reconocimiento de objetos

Classificación en el espacio de características. Matching local. Matching local
Objetivos: 5 6
Contenidos:
Teoría
4h
Problemas
0h
Laboratorio
6h
Aprendizaje dirigido
0h
Aprendizaje autónomo
10h

Soluciones basades en deep learning

Reconocimiento de categorías. Localización de items. Segmentación semántica
Objetivos: 5 6
Contenidos:
Teoría
4h
Problemas
0h
Laboratorio
6h
Aprendizaje dirigido
0h
Aprendizaje autónomo
20h

Metodología docente

Las clases teóricas se complementarán con la puesta en práctica sobre PC de las técnicas expuestas.
En las clases de laboratorio se resolverán problemas reales de visión por computador.
Se plantearán problemas de complejidad superior que el alumno tendrá que resolver en casa.

Método de evaluación

De las pruebas parciales se obtendrá una nota NT. No hay examen final.
De los ejercicios planteados en clase de laboratorio y los trabajos realizados en clase se obtendrá una nota NL.
La nota final se obtendrá de la forma NF = 0'4*NT + = 0'6*NL

Bibliografía

Básica:

Capacidades previas

Álgebra lineal, cálculo vectorial y probabilidad.
Estructuras de datos y Programación