Créditos ECTS Créditos ECTS: 6
Horas ECTS Criterios/Memorias Trabajo del Alumno/a ECTS: 110 Horas de Tutorías: 1 Clase Expositiva: 14 Clase Interactiva: 25 Total: 150
Lenguas de uso Inglés
Tipo: Materia Ordinaria Máster RD 1393/2007 - 822/2021
Departamentos: Electrónica y Computación, Departamento externo vinculado a las titulaciones
Áreas: Ciencia de la Computación e Inteligencia Artificial, Lenguajes y Sistemas Informáticos, 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)
Las tareas de reconocimiento visual van desde la detección de objetos en imágenes y videos, la clasificación de objetos y el reconocimiento de instancias, hasta el reconocimiento de acciones humanas. En el curso realizaremos un estudio de las primeras tareas, ya que el reconocimiento de acciones es el objetivo principal de la asignatura Reconocimiento de Acciones Humanas.
El objetivo es que el alumnado adquiera conocimientos y habilidades que le permitan diseñar sistemas para detección de movimiento en video, segmentación basada en movimiento y tracking, clasificación y detección de objetos en imágenes y vídeo, así como realizar el seguimiento visual de objetos.
*PARTE 1 UPorto:
_________________
1-Introducción al análisis de video.
Percepción del movimiento
Imágenes multidimensionales y secuencias de imágenes.
Muestreo de imagen espacio-temporal
Desenfoque de movimiento y filtrado espacio-temporal
2-Detección e estimación de movimiento.
Alineación de imagen y registro
Estimación de movimiento jerárquica y densa.
Pirámides discretas de imagen
Cálculo del flujo óptico basado en: intensidad, energía y fase.
3-Segmentación de movimiento y seguimiento.
Movimiento paramétrico, movimiento basado en spline, movimiento en capas
Seguimiento de movimiento tradicional: filtros de Kalman, filtros de partículas
*PARTE 2 USC:
______________
4-Extracción de características invariantes y correspondencia.
Descriptores binarios locales
Descriptores espectrales
Descriptores en otras bases de representación
Métodos de codificación dispersos
5-Métodos clásicos de clasificación de imágenes y detección de objetos.
Métodos geométricos
Métodos basados en apariencia
Métodos basados en características
Métodos de ventana deslizante
Bolsas de palabras visuales
Modelos basados en partes
6-Métodos de detección y seguimiento de objetos basados en deep learning.
Redes neuronales convolucionales para la detección de objetos en imágenes.
Transformers.
Métodos de aprendizaje profundo para el seguimiento visual.
El programa incluye los temas más actuales transversales a varios dominios de aplicación.
Básica:
En general, las referencias básicas y complementarias estarán compuestas por artículos que serán entregados por el profesorado.
Complementaria:
Szeliski, Richard. “Computer Vision: Algorithms and Applications”. Springer. 1st Edition, 2010. ISBN 978-1-84882-934-3.
http://szeliski.org/Book/drafts/SzeliskiBook_20100903_draft.pdf.
Md. Atiqur Rahman Ahad. Computer Vision and Action Recognition: A Guide for Image Processing and Computer Vision Community for Action Understanding. Atlantis Press; 2011 edition. ISBN 978-9491216190.
Boguslaw Cyganek. Object Detection and Recognition in Digital Images: Theory and Practice. John Wiley & Sons, Ltd. 2013. ISBN: 978-1-118-61836-3.
Se trabajarán especialmente las competendias específicas (CE) listadas más abajo, y en diferente medida, de acuerdo con las características de la materia, las siguientes competencias escogidas entre las generales del título (CG), las transversales (CT) y las de formación básica (CB):
Básicas:
CB8: Que los estudiantes sean capaces de integrar conocimientos y enfrentarse a la complejidad de formular juicios a partir de una información que, siendo incompleta o limitada, incluya reflexiones sobre las responsabilidades sociales y éticas vinculadas a la aplicación de sus conocimientos y juicios.
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.
Transversales:
CT3: Desarrollo del espíritu innovador y emprendedor.
Generales:
CG1: Capacidad de análisis y síntesis de conocimientos.
CG7: Capacidad de aprendizaje autónomo para la especialización en uno o más campos de estudio.
Específicas:
CE1: Conocer y aplicar los conceptos, metodologías y tecnologías de procesado de imagen.
CE2: Conocer y aplicar técnicas de aprendizaje automático y reconocimiento de patrones aplicadas a visión por computador.
CE3: Conocer y aplicar los conceptos, metodologías y tecnologías de análisis de imagen y vídeo.
CE5: Analizar y aplicar métodos del estado de la técnica en visión por computador.
CE9:Conocer y aplicar los conceptos, metodologías y tecnologías para el reconocimiento de patrones visuales en escenas reales.
El desarrollo de las clases tendrá lugar armonizando las metodologías de enseñanza con los objetivos fundamentales de la asignatura. Esta será una asignatura de exposición y aplicación, donde los estudiantes aprenderán no solo porqué, sino también cómo implementar, evaluar y decidir.
La provisión de información y conocimiento científico previsto en los objetivos se desarrollará al comienzo de cada sunto a tratar, donde se establecerá la relación con otras temáticas ya tratadas en clases anteriores o en otras asignaturas. En estas sesiones, tenemos la intención de desarrollar las habilidades de los estudiantes y aumentar su conciencia sobre la importancia de los temas abordados en el contexto real actual, contribuyendo a un mejor marco y también más fácil de percibir los objetivos que se pretende alcanzar.
Dada la naturaleza práctica de los temas que se cubrirán, se presentarán y propondrán varios ejercicios y casos prácticos, resultantes del trabajo de investigación desarrollado. Los estudiantes aprenderán haciendo, reflexionando y tomando decisiones sobre los problemas y alternativas propuestos, mejorando sus habilidades en los temas bajo análisis.Intentaremos estimular un proceso de diálogo en el que todos participen, a través de su propia experiencia y conocimiento. Por lo tanto, se compartirán conocimientos, dudas y problemas para beneficiar el aprendizaje de los estudiantes y provocar una mayor motivación.
Se buscará, esencialmente, garantizar el desarrollo de las habilidades para aplicar en diferentes contextos los conocimientos adquiridos, bajo la influencia de diferentes factores y variables.
El trabajo grupal práctico requerido de los estudiantes hará una contribución importante para el logro de los objetivos definidos para la UC, proporcionando la comprensión y aplicación de los temas en estudio, así como mostrando los beneficios de los proyectos de visión por computadora en la eficiencia de las empresas. Eso permitirá identificar los diferentes recursos y componentes de un proyecto, sus relaciones internas y externas, así como utilizar de manera general e integrada los conceptos y metodologías cubiertos en esta y otras unidades curriculares.
La realización del trabajo práctico también tendrá las ventajas de compartir el conocimiento entre los miembros del grupo, buscar información externa y, por lo tanto, contacto con la realidad. Su posterior presentación y defensa, así como el análisis de un proyecto realizado por otro grupo de la clase, contribuirá de manera decisiva al refuerzo de la capacidad de análisis que se considera esencial para el logro de los objetivos de esta asignatura.
Las comptencias CE1, CE2, CE3 y CE5 tienen asociados contenidos teóricoss y prácticos específicos en la asignatura, que serán evaluados de forma explícita durant eel curso.
El trabajo de las competencias CG1, CG7, CB8 y CB10 se realiza principalmente a través del análisis y la discusión grupal de trabajos del estado del arte.
Las competencias CT3 se trabajan especialmente en proyectos grupales.
La evaluación de los estudiantes servirá para evaluar la efectividad de las metodologías de enseñanza desarrolladas en cumplimiento de los objetivos de la asignatura.
La evaluación de la asignatura consta de tres partes:
60%: La parte relacionada con la presentación de las sesiones magistrales se evaluará mediante pruebas escritas y/o mediante la evaluación continua de las prácticas de laboratorio, que evaluarán la idoneidad de las soluciones propuestas a los problemas, la calidad de los resultados obtenidos y la comprensión de las técnicas utilizadas.
Se utiliza para evaluar las competencias CE1, CE2, CE3 y CE3 principalmente.
30%: Resolución de casos prácticos (proyecto de investigación). Se evaluará la adecuación de las soluciones propuestas a los problemas, la calidad de los resultados obtenidos y la comprensión de las técnicas utilizadas.
Se utiliza para evaluar el CT3, además de las competencias específicas.
10%: Análisis y artículo de última generación en reconocimiento visual.
Se utiliza para evaluar las competencias CG1, CG7, CB8 y CB10 principalmente.
El resultado final (RF) se obtendrá mediante la fórmula: RF = 0.5 A + 0.4 B + 0.1 C
Todas las calificaciones de las tareas y exámenes se conservarán hasta la Segunda Oportunidad. Allí lo/as estudiantes podránn repetir algunas de las actividades de evaluación. La nota final se computará teniendo en cuenta las notas máximas entre tactividades correspondientes en ambas oportunidades.
Un/a estudiante será calificada0/ como No Presentado/a si no presenta ninguno de los ejercicios de evaluación ni realiza ninguna prueba en ninguna de las Oportunidades.
Para los casos de rendimiento fraudulento de ejercicios o pruebas, se aplicarán las disposiciones del Reglamento para la evaluación del rendimiento académico de lo/as estudiantes y la revisión de las calificaciones.
En aplicación del Reglamento ETSE sobre plagio (aprobado por la Junta ETSE el 19/12/2019) la copia completa o parcial de cualquier ejercicio de práctica o teoría supondrá un suspenso en ambas ocasiones del curso, con un calificación de 0.0 en ambos casos.
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.
Se recomienda mantener actualizado el estudio de la asignatura y el uso de tutorías para aclarar dudas y recibir asesoramiento en el desarrollo de las actividades.
Se utilizará el campus virtual de la UDC y de la USC para cada una de las partes.
La materia se impartirá en inglés.
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
Daniel Cores Costa
- Departamento
- Electrónica y Computación
- Área
- Ciencia de la Computación e Inteligencia Artificial
- Correo electrónico
- daniel.cores [at] usc.es
- Categoría
- Profesor/a: Profesor Ayudante Doctor LOU
Nicolas Vila Blanco
- 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 | |||
|---|---|---|---|
| 15:30-18:30 | Grupo /CLE_01 | Inglés | Aula A9 |