Créditos ECTS Créditos ECTS: 6
Horas ECTS Criterios/Memorias Horas de Tutorías: 1 Clase Expositiva: 21 Clase Interactiva: 21 Total: 43
Lenguas de uso Inglés
Tipo: Materia Ordinaria Máster RD 1393/2007 - 822/2021
Departamentos: Departamento externo vinculado a las titulaciones
Áreas: Área externa M.U en Intelixencia Artificial
Centro Escuela Técnica Superior de Ingeniería
Convocatoria: Segundo semestre
Docencia: Con docencia
Matrícula: Matriculable | 1ro curso (Si)
El objetivo principal de esta asignatura es profundizar en las técnicas de visión por computador, avanzando en las técnicas avanzadas de segmentación, clasificación, detección y seguimiento de objetos, así como en las aplicaciones de la IA en el campo de la visión. Además del estudio de técnicas avanzadas en procesado y análisis de imagen, se estudiarán aplicaciones en este área para resolver problemas reales. Esta materia proporciona las herramientas necesarias para aplicar los algoritmos estudiados en casos prácticos así como para desarrollar nuevos algoritmos.
Resultados de aprendizaje:
- Conocer y saber aplicar técnicas avanzadas de procesado de imagen digital.
- Conocer y saber aplicar técnicas avanzadas de análisis de imagen digital.
- Saber analizar, diseñar y desarrollar soluciones basadas en tecnologías avanzadas de procesado y análisis de imagen.
- Saber evaluar la adecuación de las metodologías aplicadas en problemas específicos.
-Clasificación de imágenes
-Segmentación de imagen
-Detección de objetos
-Búsqueda visual
-Procesamiento de video
Flujo óptico
Seguimiento de objetos
-Aspectos de 3D
esqueletización
Simetría
-Estructura a partir de movimiento.
Estimación de profundidad 3D
SLAM
Bibliografía básica:
Gonzalez y Woods. Digital image processing. ISBN: 0-20-118075-8.
Bibliografía complementaria:
D.A. Forsyth y J. Ponce. Computer Vision. ISBN 0-13-085198-1.
Steger & Wiedemann. Machine Vision Algorithms and Applications. ISBN 978-3-527-4073.
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/as 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/as estudiantes posean las habilidades de aprendizaje que les permitan continuar estudiando de un modo que habrá de ser en gran medida autodirigido o autónomo.
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.
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.
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.
La metodología utilizada usa el Campus Virtual de las tres universidades como plataforma básica. En el aula virtual de la materia el alumnado tendrá toda la información (material teórico, diapositivas de clase, guiones de prácticas, etc.).
*Sesiones magistrales: exposición oral (UDC/UVIGO) (retransmitida para todo el alumnado). En ellas se desarrollan principalmente las competencias CB6, CB10, CG1, CT3, CT4, CT8, CE23, CD25 y CE26.
*Sesiones de laboratorio (grupo específico presencial en USC): resolución de diferentes problemas de imagen mediante la aplicación de las técnicas explicadas durante las sesiones magistrales. En ellas se desarrollan principalmente las competencias CB7, CG3, CG5 y CE24.
La evaluación de la asignatura consta de dos partes:
-Evaluación de proyectos (60% de la calificación final). Se utiliza para evaluar principalmente las competencias CB7, CG3, CG5 y CE24.
-Evaluación continua mediante ejercicios prácticos y/o pruebas escritas a lo largo del curso (40%). Se utiliza para evaluar principalmente las competencias CB6, CB10, CG1, CT3, CT4, CT8, CE23, CD25 y CE26.
En segunda oportunidad, la evaluación se realizará mediante una prueba escrita (40%), que permitirá mejorar la nota de evaluación continua en la primera oportunidad, y un proyecto (60%), que permitirá mejorar la nota correspondiente a la parte de proyectos en primera oportunidad.
La condición de No Presentado/a sólo se aplicará a quien no participe en ninguna de las pruebas de evaluación.
En aplicación del Regulamento da ETSE sobre plaxio (aprobado por la Xunta ETSE el 19/12/2019), la copia total o parcial de cualquier ejercicio de práctica o teoría supondrá un suspenso en ambas ocasiones del curso, con una cualificación de 0,0 en ambos casos.
Esta materia tiene 6 créditos ECTS, correspondientes a una carga de trabajo total de 150 horas (presencia de 7h / crédito). Este tiempo se puede dividir en las siguientes secciones:
TRABAJO PRESENCIAL EN AULA:
* Clases magistrales: 21 horas
* Prácticas de laboratorio: 14 horas
* Aprendizaje basado en problemas, seminarios, estudio de casos y proyectos: 7 horas
Total de horas de trabajo en el aula: 42 horas
TRABAJO PERSONAL DEL ALUMNADO:
* Estudio autónomo: 21 horas
* Prácticas de laboratorio: 48 horas
* Aprendizaje basado en problemas, seminarios, estudio de casos y proyectos: 39 horas
Total: 108 horas
Se recomienda haber cursado la asignatura Visión por Computador I. Se recomienda llevar la asignatura al día y el uso de tutorías para aclarar dudas y asesorar en su desarrollo.
La docencia de esta asignatura será en inglés.
La docencia expositiva (21h) será impartida entre la UDC y la UVIGO y será retransmitida para todo el alumnado.
Habrá un grupo de docencia interactiva específico en la USC (21h).
Xosé Manuel Pardo López
- Departamento
- Electrónica y Computación
- Área
- Lenguajes y Sistemas Informáticos
- Teléfono
- 881816438
- Correo electrónico
- xose.pardo [at] usc.es
- Categoría
- Profesor/a: Titular de Universidad
Nicolas Vila Blanco
Coordinador/a- Departamento
- Electrónica y Computación
- Área
- Ciencia de la Computación e Inteligencia Artificial
- Correo electrónico
- nicolas.vila [at] usc.es
- Categoría
- Profesor/a: Profesor Ayudante Doctor LOU
| Miércoles | |||
|---|---|---|---|
| 17:00-18:30 | Grupo /CLE_01 | Inglés | IA.12 |
| 18:30-20:00 | Grupo /CLIL_01 | Inglés | IA.12 |
| Viernes | |||
| 15:30-17:00 | Grupo /CLE_01 | Inglés | IA.02 |
| 17:00-18:30 | Grupo /CLIL_01 | Inglés | IA.02 |
| 05.06.2025 16:00-20:00 | Grupo /CLIL_01 | IA.02 |
| 05.06.2025 16:00-20:00 | Grupo /CLE_01 | IA.02 |
| 08.07.2025 16:00-20:00 | Grupo /CLIL_01 | IA.02 |
| 08.07.2025 16:00-20:00 | Grupo /CLE_01 | IA.02 |