Datos Identificativos 2024/25
Asignatura (*) Visión Artificial Código 614G01068
Titulación
Descriptores Ciclo Período Curso Tipo Créditos
Grao 1º cuadrimestre
Cuarto Optativa 6
Idioma
Castelán
Modalidade docente Presencial
Prerrequisitos
Departamento Ciencias da Computación e Tecnoloxías da Información
Computación
Coordinación
Gonzalez Penedo, Manuel
Correo electrónico
manuel.gpenedo@udc.es
Profesorado
Gonzalez Penedo, Manuel
Novo Bujan, Jorge
Ortega Hortas, Marcos
Rouco Maseda, Jose
Correo electrónico
manuel.gpenedo@udc.es
j.novo@udc.es
m.ortega@udc.es
jose.rouco@udc.es
Web
Descrición xeral

Competencias / Resultados do título
Código Competencias / Resultados do título

Resultados de aprendizaxe
Resultados de aprendizaxe Competencias / Resultados do título
Comprender os conceptos básicos do Procesado Dixital de imaxes orientado cara a Visión Artificial, as diferentes técnicas dispoñibles e o seu ámbito de aplicabilidade. A43
A44
B1
B9
Ser capaz de aplicar as distintas técnicas de aprendizaxe empregando unha metodoloxía axeitada. A43
A44
B1
B3
C6
Coñecer as técnicas dispoñibles para a avaliación dos sistemas baseados en Visión Artificial A44
B1
B3
Utilizar os coñecementos adquiridos en diversas aplicacións reais onde se utilizan procesos de tratamentos dixital de imaxes. A43
A44
B1
B9
C6
C8
Aprender a redactar documentos científicos A43
A44
B3
C4

Contidos
Temas Subtemas
Introdución A Imaxe dixital e as súas propiedades
Dixitalización da imaxe
Propiedades, métricas e topoloxía
Propiedades estadísticas, histograma
Preprocesado Transformacións por nivel de gris
Transformacións xeométricas
Interpolacións
Filtros na Imaxe Dixital Filtros espaciais: Convolución
Filtros en frecuencia: Fourier
Aplicacións: Ruido, Realce, Suavizado
Operadores Morfolóxicos
Operadores de Borde
Detección de formas na imaxe Transformada de Hough
Modelos deformables
Segmentación Umbralización
Algoritmos de clustering
Segmentación basada en rexións
Recoñecemento de obxectos Extracción de características
Contornos
Representacións
Cor e textura
Algoritmos de clasificación
Detección de puntos de interese Esquinas
SURF
SIFT
Emparellamento de patrones
Rexistro
Movemento Detección e caracterización do movimiento
Fluxo óptico
Seguemento

Planificación
Metodoloxías / probas Competencias / Resultados Horas lectivas (presenciais e virtuais) Horas traballo autónomo Horas totais
Sesión maxistral A43 A44 B1 B3 C6 C8 26 49.4 75.4
Prácticas de laboratorio A43 A44 B1 C6 C8 7 14 21
Lecturas A43 A44 B3 C4 C6 C8 0 21 21
Investigación (Proxecto de investigación) A43 A44 B1 B3 B9 C4 C6 C8 7 21 28
Proba mixta A43 A44 B1 B3 B9 1 0.6 1.6
 
Atención personalizada 3 0 3
 
*Os datos que aparecen na táboa de planificación son de carácter orientativo, considerando a heteroxeneidade do alumnado

Metodoloxías
Metodoloxías Descrición
Sesión maxistral Exposición oral complementada con el uso de medios audiovisuales y la introducción de algunas preguntas dirigidas a los estudiantes, con el objetivo de transmitir conocimiento así como de estimular el razomaniento crítico del estudiante.
Prácticas de laboratorio Actividade que permite que os estudantes aprendan efectivamente a través da realización de actividades de carácter práctico, tales como demostracións, exercicios, ou simulacións.
Lecturas Conxunto de textos e documentación escrita, principalmente en lingua estranxeira (inglés), que se recolleu e editou como fonte de información e afondamento nos contidos traballados nas clases maxistrais.
Investigación (Proxecto de investigación) Actividade que permite aos estudantes o estudo e aprendizaxe da aplicación e combinación das diferentes técnicas estudadas para a resolución de problemas baseados en ámbitos reais de aplicación.
Proba mixta Actividade para a avaliación da comprensión e capacidade analítica das técnicas que o alumno utilizou para a resolución de determinados problemas.

Atención personalizada
Metodoloxías
Investigación (Proxecto de investigación)
Descrición
Dada a amplitude do traballo de investigación será necesario tanto o seguimento periódico do traballo co fin de guiar o seu desenvolvemento e asegurar a súa calidade, así como permitir aos alumnos aclarar co profesor dúbidas particulares do proxecto.

Avaliación
Metodoloxías Competencias / Resultados Descrición Cualificación
Prácticas de laboratorio A43 A44 B1 C6 C8 Asistencia e realización das prácticas. Compresión e análise crítica de cada unha delas. 30
Investigación (Proxecto de investigación) A43 A44 B1 B3 B9 C4 C6 C8 Realización do traballo de estudo, implementación e combinación de técnicas de visión artificial. 20
Proba mixta A43 A44 B1 B3 B9 Proba objetiva con diferentes supostos e cuestións que avaliarán a capacidade de compresión, razoamento e coñecementos do alumno na materia 50
 
Observacións avaliación

En cada unha das tres partes será obrigatorio alcanzar unha nota mínima para poder aprobar a materia:

  • Proba mixta (escrita): 40% da nota máxima neste apartado
  • Prácticas de laboratorio (defensa oral): 30% da nota máxima neste apartado
  • Traballo de investigación (defensa oral): 30% da nota máxima neste apartado

Se un alumno se presenta a calquera das partes avaliables propostas, considerarase PRESENTADO e, polo tanto, se non se presentase a algunha das outras partes a cualificación final sería de SUSPENSO.

Poderase-lle dar facilidades aos estudantes matriculados a tempo parcial, previa comunicación co profesor responsable.

“todos os aspectos relacionados con “dispensa académica”, “dedicación ao estudo”, “permanencia” e “fraude académica” rexeranse de acordo coa normativa académica vixente da UDC.”


Fontes de información
Bibliografía básica Anil Jain (1989). Fundamentals of Digital Image Processing . Prentice Hall
Andrew Blake (1998). Active Contours . Springer
Milan Sonka (1999). Image Processing, Analysis and Machine Vision . PWS Publishing
Rafael González (1996). Tratamiento Digital de Imágenes . Addison-Wesley

Bibliografía complementaria


Recomendacións
Materias que se recomenda ter cursado previamente

Materias que se recomenda cursar simultaneamente

Materias que continúan o temario

Observacións

-Segundo se recolle nas distintas normativas de aplicación para a docencia universitaria incorporarase a perspectiva de xénero nesta materia

-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