| Competencias do título |
| Código | Competencias do título |
| A1 | CE1 - Coñecer e aplicar os conceptos, metodoloxías e tecnoloxías de procesado de imaxe |
| A3 | CE3 - Coñecer e aplicar os conceptos, metodoloxías e tecnoloxías de análises de imaxe e vídeo |
| A4 | CE4 - Concibir, desenvolver e avaliar sistemas complexos de visión por computador |
| A5 | CE5 - Analizar e aplicar métodos do estado da técnica en visión por computador |
| B1 | CB6 - Posuír e comprender coñecementos que acheguen unha base ou oportunidade de ser orixinais no desenvolvemento e/ou aplicación de ideas, a miúdo nun contexto de investigación |
| B5 | CB10 - Que os estudantes posúan as habilidades de aprendizaxe que lles permitan continuar estudando dun modo que haberá de ser en gran medida autodirixido ou autónomo |
| B7 | CG2 - Capacidade para analizar as necesidades dunha empresa no ámbito da visión por computador e determinar a mellor solución tecnolóxica para a mesma |
| B8 | CG3 - Capacidade para desenvolver sistemas de visión por computador dependendo das necesidades existentes e aplicar as ferramentas tecnolóxicas máis axeitadas |
| B10 | CG5 - Capacidade para identificar problemas sen resolver e achegar solucións innovadoras |
| B12 | CG7 - Capacidade de aprendizaxe autónoma para a especialización nun ou máis campos de estudo |
| Resultados de aprendizaxe | |||
| Resultados de aprendizaxe | Competencias do título | ||
| Estudar e aplicar técnicas avanzadas de procesamento de imaxe dixital. | AM1 |
BM5 BM12 |
|
| Estudar e aplicar técnicas avanzadas de análise de imaxe dixital. | AM3 |
BM5 BM12 |
|
| Análise de problemas reais así como deseño e desenvolvemento de solucións baseadas en tecnoloxías avanzadas de procesado e análise de imaxe. | AM4 AM5 |
BM1 BM5 BM7 BM8 BM10 BM12 |
|
| Avaliación da adecuación das metodoloxías aplicadas en problemas específicos. | AM4 |
||
| Contidos |
| Temas | Subtemas |
| Eliminación de ruido avanzado | Total variation |
| Detección de bordes avanzada | Filtro bilateral Difusión anisotrópica Congruencia de fase |
| Segmentación avanzada | Modelos deformables Métodos de conxuntos de niveis Markov Random Fields Graph cuts |
| Segmentación basada en aprendizaxe | Active shape/appearance models |
| Modelos de atención e prominencia | |
| Temas seleccionados en procesado e análise de imaxe avanzada | Segmentación semántica Mellora multivista Superresolución Inpainting Coloring Photo stitching Eliminación de fondo |
| Planificación | ||||
| Metodoloxías / probas | Competencias | Horas presenciais | Horas non presenciais / traballo autónomo | Horas totais |
| Prácticas de laboratorio | A1 A3 A4 A5 B5 B7 B8 B10 B12 | 25 | 84 | 109 |
| Proba obxectiva | B1 B8 B10 | 3 | 0 | 3 |
| Sesión maxistral | A1 A3 | 14 | 24 | 38 |
| Atención personalizada | 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 usando técnicas aprendidas nas sesións maxistrais. |
| Proba obxectiva | Exame escrito con preguntas sobre os contidos teóricos e problemas prácticos da materia. |
| Sesión maxistral | Exposición oral complementada co uso de medios audiovisuais e na introducción de preguntas dirixidas aos estudantes, coa finalidade de transmitir coñecementos e facilitar a aprendizaxe. |
| Atención personalizada |
|
|
| Avaliación | |||
| Metodoloxías | Competencias | Descrición | Cualificación |
| Proba obxectiva | B1 B8 B10 | Proba escrita con cuestións teóricas e problemas prácticos a resolver. | 40 |
| Prácticas de laboratorio | A1 A3 A4 A5 B5 B7 B8 B10 B12 | Tarefas que consistirán no desenvolvemento de aplicacións de procesado de imaxe e visión por computador. Avaliarase a adecuación das solucións propostas e a calidade dos resultados obtidos. | 60 |
| Observacións avaliación | |||
| Fontes de información |
| Bibliografía básica |
Simon J.D. Prince (2012). Computer Vision: Models, Learning, and Inference. Cambridge University Press
David A. Forsyth, Jean Ponce (2002). Computer vision: a modern approach. Prentice - Hall
Richard Szeliski (2010). Computer vision: algorithms and applications. Springer
Ian Goodfellow, Yoshua Bengio, Aaron Courville (2016). Deep learning. MIT Press
Gary Bradski, Adrian Kaehler (2008). Learning OpenCV. O'Reilly |
|
|
|
| Bibliografía complementaria | |
|
|
| Recomendacións | |||
| Materias que se recomenda ter cursado previamente | |||
|
| Materias que se recomenda cursar simultaneamente | ||
|
| Materias que continúan o temario |
| Observacións | |