Study programme competencies |
Code
|
Study programme competences / results
|
A23 |
CE23 - Coñecemento e capacidade de aplicación dos conceptos, metodoloxías e tecnoloxías de procesado de audio, imaxe e vídeo en diferentes formatos. |
B2 |
CB2 - Que os estudantes saiban aplicar os seus coñecementos ao seu traballo ou vocación dunha forma profesional e posúan as competencias que adoitan demostrarse por medio da elaboración e defensa de argumentos e a resolución de problemas dentro da súa área de estudo |
B3 |
CB3 - Que os estudantes teñan a capacidade de reunir e interpretar datos relevantes (normalmente dentro da súa área de estudo) para emitir xuízos que inclúan unha reflexión sobre temas relevantes de índole social, científica ou ética |
B4 |
CB4 - Que os estudantes poidan transmitir información, ideas, problemas e solucións a un público tanto especializado como non especializado |
B7 |
CG2 - Elaborar adecuadamente e con certa orixinalidade composicións escritas ou argumentos motivados, redactar plans, proxectos de traballo, artigos científicos e formular hipóteses razoables. |
B8 |
CG3 - Ser capaz de manter e estender formulacións teóricas fundadas para permitir a introdución e explotación de tecnoloxías novas e avanzadas no campo. |
B9 |
CG4 - Capacidade para abordar con éxito todas as etapas dun proxecto de datos: exploración previa dos datos, preprocesado, análise, visualización e comunicación de resultados. |
B10 |
CG5 - Ser capaz de traballar en equipo, especialmente de carácter multidisciplinar, e ser hábiles na xestión do tempo, persoas e toma de decisións. |
C1 |
CT1 - Utilizar as ferramentas 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. |
C4 |
CT4 - Valorar a importancia que ten a investigación, a innovación e o desenvolvemento tecnolóxico no avance socioeconómico e cultural da sociedade. |
Learning aims |
Learning outcomes |
Study programme competences / results |
Coñecer as técnicas para a descrición de contido visual mediante características avanzadas de cor, forma, textura e semánticas.
|
A23
|
B2 B3 B4 B7 B8 B9 B10
|
C1 C4
|
Aplicar as técnicas de modelado e representación da información a problemas de recoñecemento e análise de datos audiovisuais |
A23
|
B2 B3 B4 B7 B8 B9 B10
|
C1 C4
|
Coñecer as técnicas de análises de datos orientadas á problemática de detección, recoñecemento e seguimento de obxectos en vídeo. |
A23
|
B2 B3 B4 B7 B8 B9 B10
|
C1 C4
|
Saber avaliar a adecuación de metodoloxías avanzadas aplicadas en problemas específicos de análises e interpretación audiovisual |
A23
|
B2 B3 B4 B7 B8 B9 B10
|
C1 C4
|
Contents |
Topic |
Sub-topic |
Representación de datos visuais |
Descrición avanzada de cor
Descrición avanzada de forma local
Descrición de rexións
Aprendizaxe de representacións profundas |
Segmentación, detección e recoñecemento visual |
Modelos de clasificación de imaxe
Modelos de segmentación de imaxe
Modelos de detección de obxectos
Tendencias avanzadas en aprendizaxe profunda |
Visión dinámica |
Detección e caracterización de movemento
Seguemento de obxectos
Fluxo óptico
Técnicas avanzadas con aprendizaxe profunda |
Aplicacións avanzadas |
Aplicacións avanzadas con aprendizaxe profunda
Recoñecemento de accións e comportamento
Análise de imaxe biomédica
|
Planning |
Methodologies / tests |
Competencies / Results |
Teaching hours (in-person & virtual) |
Student’s personal work hours |
Total hours |
Laboratory practice |
A23 B2 B3 B4 B7 B8 B9 B10 C1 C4 |
20 |
80 |
100 |
Objective test |
A23 B2 B3 B4 B7 B8 B9 B10 C1 C4 |
1 |
7 |
8 |
Guest lecture / keynote speech |
A23 B2 B3 B4 B7 B8 B9 B10 C1 C4 |
21 |
21 |
42 |
|
Personalized attention |
|
0 |
0 |
0 |
|
(*)The information in the planning table is for guidance only and does not take into account the heterogeneity of the students. |
Methodologies |
Methodologies |
Description |
Laboratory practice |
Análise e resolución de casos prácticos co obxectivo de afianzar a aplicación práctica dos contidos teóricos. Prácticas en aulas de informática, aprendizaxe baseada na resolución de casos prácticos, traballo autónomo e estudo independente do alumnado. |
Objective test |
Avaliación do coñecemento dos contidos teórico-prácticos mediante exame ao final do curso. |
Guest lecture / keynote speech |
Leccións maxistrais participativas co obxectivo de aprender os contidos teóricos da materia. |
Personalized attention |
Methodologies
|
Laboratory practice |
|
Description |
Resolución de dúbidas durante as prácticas de laboratorio. Asesoramento individualizado durante a realización dos proxectos aplicados e de investigación. |
|
Assessment |
Methodologies
|
Competencies / Results |
Description
|
Qualification
|
Laboratory practice |
A23 B2 B3 B4 B7 B8 B9 B10 C1 C4 |
Análise e resolución de casos prácticos co obxectivo de afianzar a aplicación práctica dos contidos teóricos |
50 |
Objective test |
A23 B2 B3 B4 B7 B8 B9 B10 C1 C4 |
Avaliación do coñecemento dos contidos teórico-prácticos mediante exame ao final do curso. |
50 |
|
Assessment comments |
En cada unha das partes será obrigatorio alcanzar unha nota mínima para poder aprobar a materia: - Proba obxectiva: 30% da nota máxima neste apartado
- Prácticas de laboratorio (entrega e defensa): 30% da nota máxima neste apartado
Se un alumno se presenta a calquera das partes avaliables propostas, considerarase PRESENTADO. Poderase-lle dar facilidades aos estudantes matriculados a tempo parcial, previa comunicación co profesor responsable, e segundo a normativa vixente.
|
Sources of information |
Basic
|
|
- Nixon, Mark. "Feature extraction and image processing for computer vision". 3rd Edition, 2012. ISBN: 9780123965493.
- Sonka, M; Hlavac, V.; Boyle, R. "Image Processing, Analysis, and Machine Vision". 3rd Edition, 2009. ISBN: 978-0-49-508252-1.
- Forsyth, David A; Ponce, Jean. “Computer Vision: A Modern Approach”. Pearson. 2nd Edition, 2012. ISBN: 978-0-13608-592-8.
- Szeliski, Richard. “Computer Vision: Algorithms and Applications”. Springer. 1st Edition, 2010. ISBN 978-1-84882-934-3.
- Artigos recentes en revistas e conferencias científicas relevantes: IJCV, IEEE TPAMI, ICCV, CVPR, NIPS, ECCV, etc.
|
Complementary
|
|
|
Recommendations |
Subjects that it is recommended to have taken before |
Machine Learning III/614G02026 | Image, Video and Audio Processing/614G02028 |
|
Subjects that are recommended to be taken simultaneously |
|
Subjects that continue the syllabus |
|
Other comments |
- As reflected in the various regulations applicable to university teaching, the gender perspective should be incorporated into this subject (non-sexist language will be used, bibliography from authors of both sexes will be used, the intervention of male and female students in class will be encouraged...). - Work will be done to identify and modify sexist prejudices and attitudes, and we will influence the environment to change them and promote values of respect and equality. - Situations of discrimination on the grounds of gender should be detected and actions and measures should be proposed to correct them. |
|