Créditos ECTS Créditos ECTS: 3
Horas ECTS Criterios/Memorias Horas de Titorías: 1 Clase Expositiva: 10 Clase Interactiva: 11 Total: 22
Linguas de uso Inglés
Tipo: Materia Ordinaria Máster RD 1393/2007 - 822/2021
Departamentos: Electrónica e Computación
Áreas: Ciencia da Computación e Intelixencia Artificial, Linguaxes e Sistemas Informáticos
Centro Escola Técnica Superior de Enxeñaría
Convocatoria: Primeiro semestre
Docencia: Con docencia
Matrícula: Matriculable | 1ro curso (Si)
O obxectivo principal desta materia obrigatoria é establecer as bases que supoñen os distintos procesos de interpretación de imaxes (formación de imaxes, preprocesado, segmentación e detección de características) para que o alumnado dispoña dos coñecementos mínimos necesarios para a aplicación das diferentes técnicas de IA en visión por ordenador. Ademais do estudo e aplicación de técnicas fundamentais, estudaranse as aplicacións prácticas destas técnicas para resolver problemas reais. Esta materia proporciona as ferramentas necesarias para aplicar os algoritmos empregados en casos prácticos, así como as bases para desenvolver novos algoritmos e continuar co estudo de métodos máis avanzados.
Tema 1. Introdución á visión por computador: radiación electromagnética, espectro visible e visión. Breve historia dun campo interdisciplinar.
Tema 2. Imaxes dixitais: Espazo de cor. Mostraxe e cuantización de imaxes. Histograma da imaxe. Modelos de cámara. Transformacións xeométricas.
Tema 3. Procesado de imaxes: transformacións a nivel de píxeles. Transformacións locais. Pirámides de imaxes.
Tema 4. Detección de bordos: primeira derivada e gradientes de imaxe. Detector de Canny. Operador de segunda derivada. Detector de bordos Marr-Hildreth. Transformada de Hough.
Tema 5. Segmentación de imaxes: segmentación baseada en histogramas, clústeres, e en crecemento e unión de rexións. Etiquetado. Transformacións morfolóxicas.
Tema 6. Descritores de características. Medidas invariantes. SIFT (Scale Invariant Feature Transform)
Tema 7. Correspondencia de imaxes: 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- Posuír e comprender coñecementos que proporcionen unha base ou oportunidade para ser orixinais no desenvolvemento e/ou aplicación de ideas, a miúdo nun contexto de investigación.
CB7 - Que o/as estudantes saiban aplicar os coñecementos adquiridos e a súa capacidade de resolución de problemas en contornos novos ou pouco coñecidos dentro de contextos máis amplos (ou multidisciplinares) relacionados coa súa área de estudo.
CB10 - Que o/as estudantes teñan as habilidades de aprendizaxe que lle permitan continuar estudando dun xeito que será en gran parte autodirixido ou autónomo.
-Xerais:
CG1 - Manter e ampliar enfoques teóricos fundamentados que permitan a introdución e explotación de tecnoloxías novas e avanzadas no ámbito da Intelixencia Artificial.
CG3 - Buscar e selecciona a información útil necesaria para resolver problemas complexos, manexando con facilidade as fontes bibliográficas do campo.
CG5 - Traballar en equipo, especialmente de carácter multidisciplinar, e ser hábil na xestión do tempo, das persoas e da toma de decisións.
-Transversais:
CT3 - Utilizar as ferramentas básicas das tecnoloxías da información e da comunicación (TIC) necesarias para o exercicio da súa profesión e para a formación permanente.
CT4 - Desenvolverse para o exercicio dunha cidadanía respectuosa coa cultura democrática, os dereitos humanos e a perspectiva de xénero.
CT8 - Valorar a importancia da investigación, a innovación e o desenvolvemento tecnolóxico no progreso socioeconómico e cultural da sociedade.
-Específicas:
CE23.- Comprensión e dominio dos conceptos e técnicas básicas do tratamento dixital de imaxes.
CE24.- Capacidade para aplicar diferentes técnicas a problemas de visión por computador.
CE25.- Coñecementos e habilidades para deseñar sistemas de detección, clasificación e seguimento de obxectos en imaxes e vídeo.
CE26.- Comprensión e dominio das formas de representación de sinais e imaxes a partir dos seus datos, así como das súas características fundamentais e das súas formas de representación.
-Método expositivo/clase maxistral: o profesorado expón un tema ao alumnado co obxectivo de facilitar un conxunto de información con un alcance específico.
-Prácticas de laboratorio: o profesorado da materia formula ao alumnado un problema ou problemas de carácter práctico cuxa resolución require a comprensión e aplicación dos contidos teórico-prácticos incluídos nos contidos da materia. O alumnado pode traballar a solución dos problemas formulados individualmente ou en grupo.
-Aprendizaxe por proxectos: preséntanse ao alumnado proxectos prácticos cuxo alcance esixe que lle dediquen unha parte importante da dedicación total do alumno á materia. Ademais, debido ao alcance dos traballos a realizar, é necesario que as e os estudantes apliquen habilidades de xestión e habilidades de carácter técnico.
-Traballo autónomo: o profesorado propón ao alumnado un traballo cuxo alcance e obxectivos esixen que sexa traballado polo alumnado de forma autónoma, aínda que coa tutela do profesorado da materia. En xeral, aplícase aos traballos con alcance temporal e de maior esforzo que as prácticas de laboratorio.
-Titorías: o profesorado asistirá ao alumnado en titorías individualizadas dedicadas á orientación no estudo e resolución de dúbidas sobre os contidos e o traballo da materia.
As competencias CE23, CE24, CE25 e CE26 teñen contidos teóricos e prácticos específicos asociados, que serán avaliados de forma explícita ao longo do curso.
O traballo das competencias CG1, CG3, CG5, CB6, CB7 e CB10 realízase principalmente a través da análise e a discusión en grupo dos traballos do estado da técnica.
As competencias CT3, CT4, CT8 traballanse especialmente en proxectos de grupo.
A avaliación dos estudantes servirá para avaliar a eficacia das metodoloxías de ensino desenvolvidas en cumprimento dos obxectivos da materia.
A avaliación da materia consta de dúas partes:
· 40%: A parte relacionada coa presentación das sesións maxistrais avaliarase mediante probas escritas que avaliarán a adecuación das solucións propostas aos problemas, a calidade dos resultados obtidos e a comprensión das técnicas empregadas.
· 60%: Avaliación continua das prácticas de laboratorio e/ou resolución de casos prácticos. Valorarase a adecuación das solucións propostas aos problemas, a calidade dos resultados obtidos e a comprensión das técnicas empregadas.
Todas as notas de tarefas e probas conservaranse ata a segunda oportunidade. Alí o/as estudantes poderán repetir algunhas das actividades de avaliación. A cualificación final será a computada tendo en conta as máximas notas entre as actividades correspondentes en ambas as oportunidades.
Un/ha estudante será caulificado/a como Non Presentado/a se non presenta ningún exercicio de avaliación nin realiza ningunha proba en ningunha das oportunidades.
Para os casos de realización fraudulenta de exercicios ou probas será de aplicación o recollido na Normativa de avaliación do rendemento académico do/as estudantes e de revisión de cualificacións.
En aplicación do Regulamento ETSE sobre plaxio (aprobado pola Xunta ETSE o 19/12/2019) a copia total ou parcial de calquera exercicio de práctica ou teoría suporá un suspenso en ambas as ocasións do curso, cunha cualificación de 0,0 en ambos os casos.
Esta materia ten 3 créditos ECTS, correspondentes a unha carga de traballo total de 75 horas, repartidas do seguinte xeito: .
TRABALLO PRESENCIAL NA AULA:
* Clases maxistrais: 10 horas
* Prácticas de laboratorio: 7 horas
* Estudo de casos e proxecto: 4 horas
Total de horas de traballo na aula: 21 horas
TRABALLO PERSOAL DO/A ESTUDANTE:
* Estudo autónomo: 10 horas
* Prácticas de laboratorio: 21 horas
Total de horas de traballo persoal: 54 horas
Recoméndase levar ao día o estudo da teoría, a realización de prácticas e a resolución de problemas. Igualmente consideramos importante facer un bo aproveitamento das titorías para a discusión dos exercicios prácticos e como vía de resolución inmediata de dúbidas.
A docencia vaise impartir en inglés e farase uso intensivo da aula virtual.
Maria Jose Carreira Nouche
- Departamento
- Electrónica e Computación
- Área
- Ciencia da Computación e Intelixencia Artificial
- Teléfono
- 881816431
- Correo electrónico
- mariajose.carreira [at] usc.es
- Categoría
- Profesor/a: Titular de Universidade
Xosé Manuel Pardo López
Coordinador/a- Departamento
- Electrónica e Computación
- Área
- Linguaxes e Sistemas Informáticos
- Teléfono
- 881816438
- Correo electrónico
- xose.pardo [at] usc.es
- Categoría
- Profesor/a: Titular de Universidade
Marta Nuñez Garcia
- Departamento
- Electrónica e Computación
- Área
- Ciencia da Computación e Intelixencia Artificial
- Correo electrónico
- martanunez.garcia [at] usc.es
- Categoría
- Investigador/a Distinguido/a
| Martes | |||
|---|---|---|---|
| 15:30-17:00 | Grupo /CLE_01 | Inglés | IA.02 |
| Mércores | |||
| 15:30-17:00 | Grupo /CLIL_01 | Inglés | IA.02 |
| 15.01.2025 16:00-20:00 | Grupo /CLIL_01 | IA.02 |
| 15.01.2025 16:00-20:00 | Grupo /CLE_01 | IA.02 |
| 25.06.2025 16:00-20:00 | Grupo /CLE_01 | IA.02 |
| 25.06.2025 16:00-20:00 | Grupo /CLIL_01 | IA.02 |