Créditos
5
Tipos
Obligatoria
Requisitos
Esta asignatura no tiene requisitos
, pero tiene capacidades previas
Departamento
CS;UB
Profesorado
Responsable
- Petia Radeva ( petia.ivanova@ub.edu )
Otros
- Bhalaji Nagarajan ( bhalaji.nagarajan@ub.edu )
- Laura Igual Muñoz ( ligual@ub.edu )
Horas semanales
Teoría
1.5
Problemas
0
Laboratorio
1.5
Aprendizaje dirigido
0
Aprendizaje autónomo
5.33
Competencias
Genéricas
Académicas
Profesionales
Trabajo en equipo
Uso solvente de los recursos de información
Razonamiento
Analisis y sintesis
Objetivos
Contenidos
-
Introducción a Computational Vision
-
Procesamiento de imágenes
-
Detección de bordes y contornos.
-
Detección de características
-
Feature Matching
-
Face detection
-
Face recognition
-
Segmentación
-
Clasificación con CNNs
-
Visualización e interpretabilidad
-
Detección con CNNs
-
Atención y transformers
-
Segmentación con CNNs
Actividades
Actividad Acto evaluativo
Entrega práctica 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
Metodología docente
El curso se dividirá en una serie de sesiones teóricas y prácticas:- Sesiones teóricas participativas en las que se introducen y discuten nuevos conceptos entre los alumnos. Se recomienda encarecidamente la discusión grupal. Se proporcionarán capítulos de libros de texto y trabajos de investigación para facilitar el debate y el intercambio de ideas.
- Se dedican sesiones prácticas para resolver problemas, diseñar métodos y desarrollar prototipos. Estas sesiones permiten a los estudiantes poner en práctica conceptos introducidos previamente para obtener una mayor comprensión.
En principio, esperamos seguir el modelo de enseñanza presencial para el año académico 2022-23.
Además, el material docente debe utilizar un lenguaje inclusivo e incluir (y visibilizar) referencias bibliográficas de mujeres.
Método de evaluación
Los estudiantes serán evaluados en función de su trabajo en tareas prácticas (entrega de prácticas en grupos de 2 estudiantes) y un examen final de teoría. La ponderación de la calificación final será proporcional a las respectivas cargas de trabajo de las tareas prácticas y el examen de teoría. El examen de teoría será en dos parciales. Los alumnos que suspenden el primer parcial, durante le segundo se examinaran sobre todo el curso. Calificación final: 50% de calificación de práctica y 50% de calificación de examen (teoria). Para aprobar la asignación, fa falta aprobar por separación la parte teórica y la parte práctica així com s'ha de superar cada parcial por separación. En caso de suspender algunos de los parciales, el alumno realizará un examen final sobre todo el material.Bibliografía
Básico
-
Computer vision: a modern approach
- Forsyth, D.A.; Ponce, J,
Pearson Education,
cop. 2012.
ISBN: 9780273764144
https://discovery.upc.edu/discovery/fulldisplay?docid=alma991003948569706711&context=L&vid=34CSUC_UPC:VU1&lang=ca -
Computer vision: algorithms and applications
- Szeliski, R,
Springer,
2022.
ISBN: 9783030343712
https://discovery.upc.edu/discovery/fulldisplay?docid=alma991005130575906711&context=L&vid=34CSUC_UPC:VU1&lang=ca