Datos Identificativos 2023/24
Asignatura (*) Visión por Computador I Código 614544017
Titulación
Máster Universitario en Intelixencia Artificial
Descriptores Ciclo Período Curso Tipo Créditos
Mestrado Oficial 1º cuadrimestre
Primeiro Obrigatoria 3
Idioma
Inglés
Modalidade docente Presencial
Prerrequisitos
Departamento Ciencias da Computación e Tecnoloxías da Información
Coordinación
Ortega Hortas, Marcos
Correo electrónico
m.ortega@udc.es
Profesorado
De Moura Ramos, Jose Joaquim
Ortega Hortas, Marcos
Correo electrónico
joaquim.demoura@udc.es
m.ortega@udc.es
Web
Descrición xeral 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.

Competencias do título
Código Competencias do título
A24 CE23 - Comprensión e dominio dos conceptos básicos e técnicas de procesamento de imaxe dixital
A25 CE24 - capacidade de aplicación de diferentes técnicas a problemas de visión por computador
A26 CE25 - coñecementos e habilidades que permitan deseñar sistemas para detección, clasificación e seguemento de obxectos en imaxes e vídeo
A27 CE26 - Comprensión e dominio sobre as formas de representación das señáis e imaxes en función dos seus datos, así como as súas características fundamentáis e as súas formas de representación
B1 CG01 - Manter e extender os plantexamentos teóricos fundados para permitir a introducción e explotación de tecnoloxías novas e avanzadas no eido da Intelixencia Artificial
B3 CG03 - Buscar e seleccionar a información útil necesaria para resolver problemas complexos, manexando con soltura as fontes bibliográficas do campo
B5 CG05 - Traballar en equipo, especialmente de carácter multidisciplinar, e ser hábiles na xestión do tempo, persoas e toma de decisións
B6 CB01 - Poseer e comprender coñecementos que aporten unha base ou oportunidade de ser orixináis no desenvolvemento e/ou aplicación de ideas, a miúdo nun contexto de investigación
B7 CB02 - Que os estudantes saiban aplicar os coñecementos adquiridos e posúan capacidade de resolución de problemas en entornos novos ou pouco coñecidos dentro de contextos máis amplos (ou multidisciplinares) relacioados coa su área de estudo
B10 CB05 - Que os estudantes posúan as habilidades de aprendizaxe que lles permitan continuar estudando dun xeito que terá que ser en gran medida autodirixido ou autónomo
C2 CT02 - Dominar a expresión e comprensión, de xeito oral e escrito, dun idioma extranxeiro
C3 CT03 - Utilizar as ferramientas básicas das tecnoloxías da información e as comunicacións (TIC) necesarias para o exercicio da súa profesión e para a aprendizaxe ao longo da súa vida
C8 CT08 - Valorar a importancia que ten a investigación, a innovación e o desenrolo tecnolóxico no avance socioeconómico e cultural da sociedade

Resultados de aprendizaxe
Resultados de aprendizaxe Competencias do título
Coñecer e comprender as características fundamentais da imaxe dixital e as súas formas de representación. Coñecer, comprender e saber aplicar as técnicas de procesamento da imaxe dixital. Coñecer, comprender e saber aplicar as técnicas de análises de imaxe dixital. Capacidade de aplicación de diferentes técnicas a problemas de visión por computador. AM23
AM24
AM25
AM26
BM1
BM3
BM5
BM6
BM7
BM10
CM2
CM3
CM8

Contidos
Temas Subtemas
Introdución á visión por computador.
Bibliotecas e contornos de programación en visión.
Espazos de cor e preprocesamento.
Operadores locais.
Fundamentos da segmentación de imaxes.
Fundamentos da análise multiescala.

Planificación
Metodoloxías / probas Competencias Horas presenciais Horas non presenciais / traballo autónomo Horas totais
Sesión maxistral A24 A25 A26 A27 B1 B3 B5 B6 B7 B10 C2 C3 C8 10 22 32
Prácticas de laboratorio A24 A25 A26 A27 B1 B3 B5 B6 B7 B10 C2 C3 C8 7 21 28
Estudo de casos A24 A25 A26 A27 B1 B3 B5 B6 B7 B10 C2 C3 C8 4 10 14
 
Atención personalizada 1 0 1
 
*Os datos que aparecen na táboa de planificación son de carácter orientativo, considerando a heteroxeneidade do alumnado

Metodoloxías
Metodoloxías Descrición
Sesión maxistral O profesorado expón un tema ao alumnado co obxectivo de facilitar un conxunto de información con un alcance específico. Esta metodoloxía docente aplicarase á actividade formativa “Clases teóricas”.
Prácticas de laboratorio O profesorado da materia plantexa 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 plantexados individualmente ou en grupo. Esta metodoloxía didáctica aplicarase á actividade formativa "Clases prácticas de laboratorio" e poderá aplicarse á actividade formativa "Sesións de aprendizaxe baseada en problemas, seminarios, estudos de casos e proxectos".
Estudo de casos Preséntase ao alumnado un escenario de traballo, real ou ficticio, que presenta un determinado problema. O alumnado deberá aplicar os coñecementos teórico-prácticos da materia para buscar unha solución á pregunta ou cuestións formuladas. Como norma xeral, o estudo de casos realizarase en grupo. Os diferentes grupos de traballo presentaranse e poñerán en común as súas solucións.

Atención personalizada
Metodoloxías
Sesión maxistral
Descrición
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.

Avaliación
Metodoloxías Competencias Descrición Cualificación
Sesión maxistral A24 A25 A26 A27 B1 B3 B5 B6 B7 B10 C2 C3 C8 A parte relacionada coa presentación das sesións maxistrais avaliarase mediante probas escritas e/ou mediante a avaliación continua das prácticas de laboratorio, que avaliarán a adecuación das solucións propostas aos problemas, a calidade dos resultados obtidos e a comprensión das técnicas empregadas. 40
Estudo de casos A24 A25 A26 A27 B1 B3 B5 B6 B7 B10 C2 C3 C8 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. 60
 
Observacións avaliación

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.

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.

Fontes de información
Bibliografía básica Richard Szeliski (2010). Computer Vision: Algorithms and Applications. Springer Science.

Bibliografía complementaria D.A. Forsyth y J. Ponce (2002). Computer Vision--A Modern Approach. Prentice Hall.
Gonzalez & Woods (2009). Digital image processing. Pearson.
Steger, Carsten and Ulrich, Markus and Wiedemann, Christian (2018). Machine vision algorithms and applications. John Wiley.


Recomendacións
Materias que se recomenda ter cursado previamente

Materias que se recomenda cursar simultaneamente

Materias que continúan o temario

Observacións

- 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.

-Segundo se recolle nas distintas normativas de aplicación para a docencia universitaria deberase incorporar a perspectiva de xénero nesta materia (usarase linguaxe non sexista, utilizarase bibliografía de autores/as de ambos sexos, propiciarase a intervención en clase de alumnos e alumnas...).

-Traballarase para identificar e modificar prexuízos e actitudes sexistas e influirase na contorna para modificalos e fomentar valores de respecto e igualdade.

-Deberanse detectar situacións de discriminación por razón de xénero e proporanse accións e medidas para corrixilas.



(*)A Guía docente é o documento onde se visualiza a proposta académica da UDC. Este documento é público e non se pode modificar, salvo casos excepcionais baixo a revisión do órgano competente dacordo coa normativa vixente que establece o proceso de elaboración de guías