Créditos ECTS Créditos ECTS: 3
Horas ECTS Criterios/Memorias Horas de Tutorías: 1 Clase Expositiva: 10 Clase Interactiva: 11 Total: 22
Lenguas de uso Inglés
Tipo: Materia Ordinaria Máster RD 1393/2007 - 822/2021
Departamentos: Electrónica y Computación
Áreas: Ciencia de la Computación e Inteligencia Artificial, Lenguajes y Sistemas Informáticos
Centro Escuela Técnica Superior de Ingeniería
Convocatoria: Primer semestre
Docencia: Con docencia
Matrícula: Matriculable | 1ro curso (Si)
El objetivo principal de esta asignatura obligatoria es establecer las bases que conllevan los diferentes procesos para la interpretación de imágenes (formación de imagen, preprocesado, segmentación y detección de características) para que el alumnado tenga los conocimientos mínimos necesarios para la aplicación de distintas técnicas de IA en la visión por computador. Además del estudio y la aplicación de técnicas fundamentales, se estudiarán aplicaciones prácticas de estas técnicas para resolver problemas reales. Esta asignatura aporta las herramientas necesarias para aplicar los algoritmos utilizados en casos prácticos, además de las bases para desarrollar nuevos algoritmos y continuar con el estudio de métodos más avanzados.
Tema 1. Introducción a la Visión por Computador: Radiación electromagnética, espectro visible y visión. Breve historia de un campo interdisciplinario.
Tema 2. Imágenes digitales: Espacio de color. Muestreo y cuantificación de imágenes. Histograma de imagen. Modelos de cámara. Transformaciones geométricas.
Tema 3. Procesado de Imágenes: Transformaciones a nivel de píxel. Transformaciones locales. Pirámides de imagen.
Tema 4. Detección de bordes: Primera derivada y gradientes de imagen. Detector de borde astuto. Operador de segunda derivada. Detector de bordes Marr-Hildreth. Transformada Hough.
Tema 5. Segmentación de imágenes: segmentación basada en histogramas, clústeres, y en crecimiento y unión de regiones. Etiquetado. Transformaciones morfológicas.
Tema 6. Descriptores de características. Medidas invariantes. SIFT (Scale Invariant Feature Transform).
Tema 7. Correspondencia de imagenes: detector de esquinas, detector de blobs, algoritmos de correspondencia.
Bibliografía básica:
-Richard Szeliski. Computer Vision: Algorithms and Applications. ISBN: 978-3030343712.
Bibliografía complementaria:
-Gonzalez & Woods. Digital image processing. ISBN: 0-20-118075-8.
-D.A. Forsyth y J. Ponce. Computer Vision. ISBN 0-13-085198-1.
-Steger & Wiedemann. Machine Vision Algorithms and Applicacions. ISBN 978-3-527-4073.
-Básicas:
CB6 - Poseer y comprender conocimientos que aporten una base u oportunidad de ser originales en el desarrollo y/o aplicación de
ideas, a menudo en un contexto de investigación
CB7 - Que los estudiantes sepan aplicar los conocimientos adquiridos y su capacidad de resolución de problemas en entornos
nuevos o poco conocidos dentro de contextos más amplios (o multidisciplinares) relacionados con su área de estudio
CB10 - Que los estudiantes posean las habilidades de aprendizaje que les permitan continuar estudiando de un modo que habrá de
ser en gran medida autodirigido o autónomo.
-Generales:
CG1 - Mantener y extender planteamientos teóricos fundados para permitir la introducción y explotación de tecnologías nuevas y avanzadas en el campo de la Inteligencia Artificial.
CG3 - Buscar y seleccionar la información útil necesaria para resolver problemas complejos, manejando con soltura las fuentes bibliográficas del campo.
CG5 - Trabajar en equipo, especialmente de carácter multidisciplinar, y ser hábiles en la gestión del tiempo, personas y toma de decisiones.
-Transversales:
CT3 - Utilizar las herramientas básicas de las tecnologías de la información y las comunicaciones (TIC) necesarias para el ejercicio de su profesión y para el aprendizaje a lo largo de su vida.
CT4 - Desarrollarse para el ejercicio de una ciudadanía respetuosa con la cultura democrática, los derechos humanos y la perspectiva de género.
CT8 - Valorar la importancia que tiene la investigación, la innovación y el desarrollo tecnológico en el avance socioeconómico y cultural de la sociedad.
-Específicas:
CE23.- Comprensión y dominio de los conceptos básicos y técnicas de procesamiento de imagen digital.
CE24.- Capacidad de aplicación de diferentes técnicas a problemas de visión por computador.
CE25.- Conocimientos y habilidades que permitan diseñar sistemas para detección, clasificación y seguimiento de objetos en imágenes y video.
CE26.- Comprensión y dominio sobre las formas de representación de las señales e imágenes en función de sus datos, así como sus características fundamentales y sus formas de representación.
-Método expositivo / lección magistral: el profesorado presenta un tema al alumnado con el objetivo de facilitar un conjunto de información con alcance concreto.
-Prácticas de laboratorio: el profesorado de la materia plantea al alumnado un problema o problemas de carácter práctico cuya resolución requiere la comprensión y aplicación de los contenidos teórico-prácticos incluidos en los contenidos de la materia. El alumnado puede trabajar la solución a los problemas planteados de forma individual o en grupos.
-Aprendizaje por proyectos: se plantea al alumnado proyectos prácticos cuyo alcance requiere que se le dedique un parte importante de la dedicación total del alumno a la asignatura. Además, por el alcance de los trabajos a realizar, se requiere no sólo que el alumnado aplique competencias de gestión además de competencias de índole técnica.
-Trabajo autónomo: el profesorado plantea al alumnado un trabajo cuyo alcance y objetivos requieren que sea trabajado por los alumnos de forma autónoma, aunque con la tutela del profesorado de la asignatura. En general, se aplica a trabajos con un alcance temporal y de esfuerzo superior al de las prácticas de laboratorio.
-Tutorías: el profesorado atenderá al alumnado en sesiones de tutorías individualizadas dedicadas a la orientación en el estudio y la resolución de dudas sobre los contenidos y trabajos de la asignatura.
Las competencias CE23, CE24, CE25 y CE26 tienen asociados contenidos teóricos y prácticos específicos, que serán evaluados de forma explícita a lo largo del curso.
El trabajo de las competencias CG1, CG3, CG5, CB6, CB7 y CB10 se realiza principalmente a través del análisis y la discusión en grupo de los trabajos del estado del arte.
Las competencias CT3, CT4, CT8 se trabajan especialmente en proyectos de grupo.
La evaluación de lo/as estudiantes servirá para valorar la eficacia de las metodologías docentes desarrolladas en el cumplimiento de los objetivos de la asignatura.
La evaluación de la asignatura consta de dos partes:
· 40%: La parte relativa a la presentación de las sesiones magistrales se evaluará mediante pruebas escritas que evaluarán la adecuación de las soluciones propuestas a los problemas, la calidad de los resultados obtenidos y la comprensión de las técnicas utilizadas.
· 60%: Evaluación continua de las prácticas de laboratorio y/o resolución de casos prácticos. Se valorará la adecuación de las soluciones propuestas a los problemas, la calidad de los resultados obtenidos y la comprensión de las técnicas utilizadas.
Todas las notas de tareas y exámenes se conservarán hasta la segunda oportunidad. Allí los alumnos podrán repetir algunas de las actividades de evaluación. La nota final será la que se calcule teniendo en cuenta las notas máximas entre las actividades correspondientes en ambas oportunidades.
Un estudiante será clasificado como No Presentado si no presenta ningún ejercicio de evaluación o toma alguna prueba en alguna de las oportunidades.
Para los casos de realización fraudulenta de ejercicios o pruebas, se estará a lo dispuesto en el Reglamento para la evaluación del rendimiento académico de los estudiantes y la revisión de calificaciones.
En aplicación del Reglamento de la ETSE sobre plagio (aprobado por Xunta de la ETSE el 19/12/2019) la copia total o parcial de cualquier ejercicio de práctica o teoría supondrá una suspensión en ambas ocasiones de la asignatura, con una calificación de 0, 0 en ambos casos.
Esta asignatura tiene 3 créditos ECTS, correspondientes a una carga horaria total de 75 horas, distribuidas de la siguiente manera:
TRABAJO PRESENCIAL EN EL AULA:
* Clases magistrales: 10 horas
* Prácticas de laboratorio: 7 horas
* Estudio de casod y proyecto: 4 horas
Horas totales de trabajo en el aula: 21 horas
TRABAJO PERSONAL DEL ESTUDIANTE:
* Estudio autónomo: 10 horas
* Prácticas de laboratorio: 21 horas
Horas totales de trabajo personal: 54 horas
Se recomienda llevar al día el estudio de la teoría, la realización de prácticas y la resolución de problemas. Igualmente consideramos importante hacer un buen aprovechamiento de las tutorías para la discusión sobre problemas prácticos y como vía de resolución inmediata de dudas.
La docencia se va a impartir prioritariamente en inglés y se hará uso intensivo del aula virtual.
Maria Jose Carreira Nouche
- Departamento
- Electrónica y Computación
- Área
- Ciencia de la Computación e Inteligencia Artificial
- Teléfono
- 881816431
- Correo electrónico
- mariajose.carreira [at] usc.es
- Categoría
- Profesor/a: Titular de Universidad
Xosé Manuel Pardo López
Coordinador/a- Departamento
- Electrónica y Computación
- Área
- Lenguajes y Sistemas Informáticos
- Teléfono
- 881816438
- Correo electrónico
- xose.pardo [at] usc.es
- Categoría
- Profesor/a: Titular de Universidad
Marta Nuñez Garcia
- Departamento
- Electrónica y Computación
- Área
- Ciencia de la Computación e Inteligencia Artificial
- Correo electrónico
- martanunez.garcia [at] usc.es
- Categoría
- Investigador/a Distinguido/a
| Martes | |||
|---|---|---|---|
| 15:30-17:00 | Grupo /CLE_01 | Inglés | IA.02 |
| Miércoles | |||
| 15:30-17:00 | Grupo /CLIL_01 | Inglés | IA.02 |
| 15.01.2025 16:00-20:00 | Grupo /CLE_01 | IA.02 |
| 15.01.2025 16:00-20:00 | Grupo /CLIL_01 | IA.02 |
| 25.06.2025 16:00-20:00 | Grupo /CLIL_01 | IA.02 |
| 25.06.2025 16:00-20:00 | Grupo /CLE_01 | IA.02 |