Visión por Computador

Usted está aquí

Créditos
5
Tipos
Obligatoria
Requisitos
Esta asignatura no tiene requisitos
Departamento
CS;UB
Este curso presenta los principales aspectos de la visión computacional, desde los fundamentos sobre formación de imágenes y operaciones de imágenes básicas hasta reconocimiento de objetos, pasando por los principales problemas de la visión por computador: segmentación, extracción de puntos de interés, reconocimiento de patrones y reconocimiento de caras. Se revisarán los métodos clásicos y los más novedosos para los problemas de visión y se practicará con métodos para resolver algunos de estos problemas.

Profesores

Responsable

  • Laura Igual ( )

Otros

  • Petia Radeva ( )

Horas semanales

Teoría
1.5
Problemas
0
Laboratorio
1.5
Aprendizaje dirigido
0
Aprendizaje autónomo
3

Competencias

Competencias Técnicas Genéricas

Genéricas

  • CG1 - Capacidad para proyectar, diseñar e implantar productos, procesos, servicios e instalaciones en todos los ámbitos de la Inteligencia Artificial.
  • CG3 - Capacidad para la modelización, cálculo, simulación, desarrollo e implantación en centros tecnológicos y de ingeniería de empresa, particularmente en tareas de investigación, desarrollo e innovación en todos los ámbitos relacionados con la Inteligencia Artificial.

Competencias Técnicas de cada especialidad

Académicas

  • CEA6 - Capacidad de comprender los principios básicos de funcionamiento de las técnicas de Visión Computacional, y saber utilizarlas en el entorno de un sistema o servicio inteligente.
  • CEA7 - Capacidad de comprender la problemática, y las soluciones a los problemas en la práctica profesional de la aplicación de la Inteligencia Artificial en el entorno empresarial e industrial.

Profesionales

  • CEP3 - Capacidad de aplicación de las técnicas de Inteligencia Artificial en entornos tecnológicos e industriales para la mejora de la calidad y la productividad.
  • CEP5 - Capacidad de diseñar nuevas herramientas informáticas y nuevas técnicas de Inteligencia Artificial en el ejercicio profesional.

Competencias Transversales

Trabajo en equipo

  • CT3 - Ser capaz de trabajar como miembro de un equipo interdisciplinar ya sea como un miembro mas, o realizando tareas de direccion con la finalidad de contribuir a desarrollar proyectos con pragmatismo y sentido de la responsabilidad, asumiendo compromisos teniendo en cuenta los recursos disponibles.

Uso solvente de los recursos de información

  • CT4 - Gestionar la adquisicion, la estructuracion, el analisis y la visualizacion de datos e informacion en el ambito de la especialidad y valorar de forma critica los resultados de esta gestion.

Razonamiento

  • CT6 - Capacidad de evaluar y analizar de manera razonada y critica sobre situaciones, proyectos, propuestas, informes y estudios de caracter cientifico-tecnico. Capacidad de argumentar las razones que explican o justifican tales situaciones, propuestas, etc.

Analisis y sintesis

  • CT7 - Capacidad de analisis y resolucion de problemas tecnicos complejos.

Objetivos

  1. Develop practicum of computational vision.
    Competencias relacionadas: CEP3, CEP5, CT3, CT4, CT6,
  2. Reach the basic and advanced knowledge of computational vision.
    Competencias relacionadas: CEA6, CEA7, CG1, CG3, CT7,

Contenidos

  1. Introduction to Computational Vision
  2. Image Processing
  3. Edges and contours detection
  4. Feature detection
  5. Feature Matching
  6. Face detection
  7. Face recognition
  8. Segmentation I
  9. Segmentation II
  10. Texture analysis
  11. Video Segmentation
  12. Object Recognition
  13. Image classification with CNNs

Actividades

Actividad Acto evaluativo


Practicum deliverable 1

This activity consists of delivering the code and reprt corresponding to a serie of exercices posed during the first bloc of the course.
Objetivos: 1
Contenidos:
Teoría
0h
Problemas
0h
Laboratorio
9h
Aprendizaje dirigido
0h
Aprendizaje autónomo
9h

Practicum deliverable 2

This activity consists of delivering the code and reprt corresponding to the problem posed during the second bloc of the course.
Objetivos: 1 2
Contenidos:
Teoría
0h
Problemas
0h
Laboratorio
9h
Aprendizaje dirigido
0h
Aprendizaje autónomo
9h

Practicum deliverable 2

This activity consists of delivering the code and reprt corresponding to the problem posed during the third bloc of the course.
Objetivos: 1 2
Contenidos:
Teoría
0h
Problemas
0h
Laboratorio
9h
Aprendizaje dirigido
0h
Aprendizaje autónomo
9h

Metodología docente

The course will be divided in a series of theory and practical sessions:

- Participatory theory sessions in which new concepts are introduced and discussed between students. Group discussion is strongly encouraged. Textbook chapters and research papers will be provided to facilitate debate and exchange of ideas.

- Practical sessions are devoted to solve problems, designing methods and developing prototypes. These sessions allow students to put into practice previously introduced concepts to gain further insight.

Método de evaluación

Students will be assessed on in-class oral presentations and their work in practical assignments. Typically, marks for oral presentations will be awarded on an individual basis, whereas marks for practical assignments will be based on an assessment of the whole group (2 persons per grup). The weighting of the final grade will be proportional to the respective workloads of the two tasks and a final exam.

Students will be assessed based on their work in practical tasks (delivery of practices in groups of 2 students) and a final exam of theory. The weighting of the final mark will be proportional to the respective workloads of the practical tasks and the final exam of theory. Final grade: 60% practicum grade and 40% final exam grade.

Bibliografía

Básica:

  • Computer Vision: A Modern Approach - Jean Ponce David A. Forsyth, Prentice Hall, 2011. ISBN: 013608592X, 9780136085928
  • Computer Vision: Algorithms and Applications - Richard Szeliski, 2011.