| Competencias / Resultados do título |
|
Código
|
Competencias / Resultados do título
|
| Resultados de aprendizaxe |
| Resultados de aprendizaxe |
Competencias / Resultados do título |
| Comprender os conceptos básicos dos sistemas de visión por computador, así como as técnicas avanzadas de procesado e análise de imaxe dixital
|
|
B1
B2
B7
B9
B10
|
C3
|
| Comprender os conceptos básicos e técnicas de detección, recoñecemento, segmentación e seguimento de obxectos, así como técnicas avanzadas de procesado de imaxe. |
|
B1
B2
B7
B9
B10
|
C3
|
| Saber aplicar as técnicas de segmentación, recoñecemento de obxectos e procesamento de información visual máis adecuadas para a resolución de problemas de visión por computador. |
|
B1
B2
B7
B9
B10
|
C3
|
| Saber avaliar a adecuación das metodoloxías aplicadas en problemas de visión por computador. |
A15
|
B1
B2
B7
B9
B10
|
C3
|
| Contidos |
| Temas |
Subtemas |
| 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
|
| Planificación |
| Metodoloxías / probas |
Competencias / Resultados |
Horas lectivas (presenciais e virtuais) |
Horas traballo autónomo |
Horas totais |
| Prácticas de laboratorio |
A15 B1 B2 B7 B9 B10 C3 |
20 |
80 |
100 |
| Proba obxectiva |
A15 B1 B2 B7 B9 B10 C3 |
1 |
7 |
8 |
| Sesión maxistral |
A15 B1 B2 B7 B9 B10 C3 |
21 |
21 |
42 |
| |
| Atención personalizada |
|
0 |
0 |
0 |
| |
| *Os datos que aparecen na táboa de planificación son de carácter orientativo, considerando a heteroxeneidade do alumnado |
| Metodoloxías |
|
Metodoloxías |
Descrición |
| Prácticas de laboratorio |
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. |
| Proba obxectiva |
Avaliación do coñecemento dos contidos teórico-prácticos mediante exame ao final do curso. |
| Sesión maxistral |
Leccións maxistrais participativas co obxectivo de aprender os contidos teóricos da materia. |
| Atención personalizada |
|
Metodoloxías
|
| Prácticas de laboratorio |
|
| Descrición |
| Resolución de dúbidas durante as prácticas de laboratorio. Asesoramento individualizado durante a realización dos proxectos aplicados e de investigación. |
|
| Avaliación |
|
Metodoloxías
|
Competencias / Resultados |
Descrición
|
Cualificación
|
| Prácticas de laboratorio |
A15 B1 B2 B7 B9 B10 C3 |
Análise e resolución de casos prácticos co obxectivo de afianzar a aplicación práctica dos contidos teóricos |
50 |
| Proba obxectiva |
A15 B1 B2 B7 B9 B10 C3 |
Avaliación do coñecemento dos contidos teórico-prácticos mediante exame ao final do curso. |
50 |
| |
|
Observacións avaliación |
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. 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
|
|
- 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.
- A. Torralba, P. Isola, W. T. Freeman. "Foundations of Computer Vision". The MIT Press, 2024. ISBN 978-0-262-04897-2.
- Artigos recentes en revistas e conferencias científicas relevantes: IJCV, IEEE TPAMI, ICCV, CVPR, NIPS, ECCV, etc.
|
|
Bibliografía complementaria
|
|
|
| Recomendacións |
| Materias que se recomenda ter cursado previamente |
| Aprendizaxe Profunda/614G03022 | | Principios de Visión por Computador/614G03032 |
|
| Materias que se recomenda cursar simultaneamente |
|
| Materias que continúan o temario |
|
| Observacións |
|
<p>-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...).</p><p>-Traballarase para identificar e modificar prexuízos e actitudes sexistas e influirase na contorna para modificalos e fomentar valores de respecto e igualdade.</p><p>-Deberanse detectar situacións de discriminación por razón de xénero e proporanse accións e medidas para corrixilas.</p> |
|