Créditos ECTS Créditos ECTS: 6
Horas ECTS Criterios/Memorias Trabajo del Alumno/a ECTS: 109 Horas de Tutorías: 1 Clase Expositiva: 14 Clase Interactiva: 26 Total: 150
Lenguas de uso Inglés
Tipo: Materia Ordinaria Máster RD 1393/2007 - 822/2021
Departamentos: Departamento externo vinculado a las titulaciones
Áreas: Área externa Máster en Visión por Computador / Computer Vision
Centro Escuela Técnica Superior de Ingeniería
Convocatoria: Segundo semestre
Docencia: Con docencia
Matrícula: Matriculable | 1ro curso (Si)
-Estudiar y aplicar técnicas avanzadas de procesamiento de imagen digital.
- Estudiar y aplicar técnicas avanzadas de análisis de imagen digital.
- Análisis de problemas reales, y diseño y desarrollo de soluciones basadas en tecnologías avanzadas de procesado y análisis de imagen.
- Evaluación de la adecuación de las metodologías aplicadas en problemas específicos.
Esta asignatura contiene temas avanzados en procesado y análisis de imagen y se presenta como la segunda parte de otra asignaturea donde se tratan los temas fundamentais. Fue diseñada para proporcionar los fundamentos esenciales para estudiantes que quieran continuar con la investigación en este área. 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 desenvolver nuevos algoritmos.
- Eliminación de ruido avanzado
Total variation
- Detección de bordes avanzada
Filtro bilateral
Difusión anisotrópica
Congruencia de fase
- Segmentación avanzada
Modelos deformables
Métodos de conjuntos de niveles
Markov Random Fields
Graph cuts
-Segmentación basada en aprendizaje
Active shape/appearance models
- Modelos de atención y prominencia
- Temas seleccionados en procesado y análisis de imagen avanzada
Segmentación semántica
Mejora multivista
Superresolución
Inpainting
Coloring
Photo stitching
Eliminación de fondo
Básica:
Gary Bradski, Adrian Kaehler (2008). Learning OpenCV. O'Reilly
David A. Forsyth, Jean Ponce (2002). Computer vision: a modern approach. Prentice - Hall
Richard Szeliski (2010). Computer vision: algorithms and applications. Springer
Simon J.D. Prince (2012). Computer Vision: Models, Learning, and Inference. Cambridge University Press
Ian Goodfellow, Yoshua Bengio, Aaron Courville (2016). Deep learning. MIT Press
M. Sonka, V. Hlavac, R. Boyle. Image Processing, Analysis, and Machine Vision. 4th edition. Cengage Learning. 2015
A1 CE1 - Conocer y aplicar los conceptos, metodologías y tecnologías de procesado de imagen
A3 CE3 - Conocer y aplicar los conceptos, metodologías y tecnologías de análisis de imagen y
vídeo
A4 CE4 - Concebir, desarrollar y evaluar sistemas complejos de visión por computador
A5 CE5 - Analizar y aplicar métodos del estado de la técnica en visión por computador
Competencias del título: Básicas / Generales
B1 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 investigaciónB5 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
B7 CG2 - Capacidad para analizar las necesidades de una empresa en el ámbito de la visión por computador y determinar la mejor solución tecnológica para la misma
B8 CG3 - Capacidad para desarrollar sistemas de visión por computador dependiendo de las necesidades existentes y aplicar las herramientas tecnológicas más adecuadas
B10 CG5 - Capacidad para identificar problemas sin resolver y aportar soluciones innovadoras
B12 CG7 - Capacidad de aprendizaje autónomo para la especialización en uno o más campos de estudio
Prácticas de laboratorio:
Análisis y resolución de casos prácticos usando técnicas aprendidas en las sesiones magistrales.
Prueba objetiva:
Examen escrito con preguntas sobre los contenidos teóricos y problemas prácticos de la materia.
Sesión magistral:
Exposición oral complementada con el uso de medios audiovisuales y la introducción de preguntas dirigidas a los estudiantes, con la finalidad de transmitir conocimientos y facilitar el aprendizaje.
Alternativa 1:
Prácticas de laboratorio: Resolución de ejercicios prácticos relacionados con las sesiones magistrales. Se valorará la adecuación de las soluciones propuestas a los problemas, la calidad de los resultados obtenidos y la comprensión de las técnicas utilizadas.
Calificación: 80%
Competencias: A1 A3 A4 A5 B5 B7 B8 B10 B12
Prueba de respuesta breve: Pruebas presenciales con cuestiones breves sobre los contidos de la materia que se utilizarán para evaluar la adquisición de los conocimientos.
Calificación: 20%
Competencias: B1 B8 B10
Alternativa 2:
La prueba objetiva presencial supone el 100% de la calificación final.
El tiempo de estudio promedio recomendado es de 2 horas por semana. Además, debe contarse el tiempo dedicado a la realización de trabajos de prácticos que estimamos en 6.5 h /semana más. En total suman alrededor de 120 h / semestre.
Asignaturas que se recomienda haber cursado previamente:
Fundamentos de Aprendizaje Automático para Visión por Computador/614535007
Fundamentos de Procesado y Análisis de Imagen/614535001
Descripción y Modelado de Imagen/614535004
Asignaturas que se recomienda cursar simultáneamente:
Reconocimiento Visual/614535005
Aprendizaje Automático Avanzado para Visión por Computador/614535008