Visión por Computador

Usted está aquí

Inicio » Estudios » Másteres » Máster en Inteligencia Artificial » Plan de estudios » Asignaturas » Visión por Computador
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.

Profesorado

Responsable

  • Petia Radeva ( )

Otros

  • Alfons Marqués i Cancio ( )
  • Carles Hernandez Ferrer ( )
  • Laura Igual Muñoz ( )

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. Desarrollo de prácticas de visión por computador
    Competencias relacionadas: CT3, CT4, CT6, CEP3, CEP5,
  2. Alcanzar los conocimientos básicos y avanzados de visión por computador.
    Competencias relacionadas: CT7, CEA6, CEA7, CG1, CG3,

Contenidos

  1. Introducción a Computational Vision
  2. Procesamiento de imágenes
  3. Detección de bordes y contornos.
  4. Detección de características
  5. Feature Matching
  6. Face detection
  7. Face recognition
  8. Segmentación I
  9. Segmentación II
  10. Texture analysis
  11. Video Segmentation
  12. Object Recognition
  13. Image classification with 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

Entrega práctica 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

Entrega práctica 3

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

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 final de teoría. Calificación final: 60% de calificación de práctica y 40% de calificación de examen final.

Bibliografía

Básica: