| Competencias del título |
| Código | Competencias del título |
| A1 | CE1 - Conocer y aplicar los conceptos, metodologías y tecnologías de procesado de imagen |
| A3 | CE3 - Conocer y aplicar los conceptos, metodologías y tecnologías de análisis de imagen y vídeo |
| A4 | CE4 - Concebir, desarrollar y evaluar sistemas complejos de visión por computador |
| A5 | CE5 - Analizar y aplicar métodos del estado de la técnica en visión por computador |
| B1 | CB6 - Poseer y comprender conocimientos que aporten una base u oportunidad de ser originales en el desarrollo y/o aplicación de ideas, a menudo en un contexto de investigación |
| B5 | CB10 - Que los estudiantes posean las habilidades de aprendizaje que les permitan continuar estudiando de un modo que habrá de ser en gran medida autodirigido o autónomo |
| B7 | CG2 - Capacidad para analizar las necesidades de una empresa en el ámbito de la visión por computador y determinar la mejor solución tecnológica para la misma |
| B8 | CG3 - Capacidad para desarrollar sistemas de visión por computador dependiendo de las necesidades existentes y aplicar las herramientas tecnológicas más adecuadas |
| B10 | CG5 - Capacidad para identificar problemas sin resolver y aportar soluciones innovadoras |
| B12 | CG7 - Capacidad de aprendizaje autónomo para la especialización en uno o más campos de estudio |
| Resultados de aprendizaje | |||
| Resultados de aprendizaje | Competencias del título | ||
| Estudiar y aplicar técnicas avanzadas de procesamiento de imagen digital. | AM1 |
BM5 BM12 |
|
| Estudiar y aplicar técnicas avanzadas de análisis de imagen digital. | AM3 |
BM5 BM12 |
|
| Análisis de problemas reales, y diseño y desarrollo de soluciones basadas en tecnologías avanzadas de procesado y análisis de imagen. | AM4 AM5 |
BM1 BM5 BM7 BM8 BM10 BM12 |
|
| Evaluación de la adecuación de las metodologías aplicadas en problemas específicos. | AM4 |
||
| Contenidos |
| Tema | Subtema |
| Eliminación de ruido avanzado | Total variation |
| Detección de bordes avanzada | Filtro bilateral Difusión anisotrópica Congruencia de fase |
| Segmentación avanzada | Modelos deformables Métodos de conjuntos de niveles Markov Random Fields Graph cuts |
| Segmentación basada en aprendizaje | Active shape/appearance models |
| Modelos de atención y prominencia | |
| Temas seleccionados en procesado y análisis de imagen avanzada | Segmentación semántica Mejora multivista Superresolución Inpainting Coloring Photo stitching Eliminación de fondo |
| Planificación | ||||
| Metodologías / pruebas | Competéncias | Horas presenciales | Horas no presenciales / trabajo autónomo | Horas totales |
| Prácticas de laboratorio | A1 A3 A4 A5 B5 B7 B8 B10 B12 | 24 | 80 | 104 |
| Prueba objetiva | B1 B8 B10 | 3 | 0 | 3 |
| Prueba de respuesta breve | A1 A4 A5 | 0 | 5 | 5 |
| Sesión magistral | A1 A3 | 14 | 24 | 38 |
| Atención personalizada | 0 | 0 | ||
| (*)Los datos que aparecen en la tabla de planificación són de carácter orientativo, considerando la heterogeneidad de los alumnos | ||||
| Metodologías |
| Metodologías | Descripción |
| Prácticas de laboratorio | Análisis y resolución de casos prácticos usando técnicas aprendidas en las sesiones magistrales. |
| Prueba objetiva | Examen escrito con preguntas sobre los contenidos teóricos y problemas prácticos de la materia. |
| Prueba de respuesta breve | Pruebas online con cuestiones breves sobre los contidos de la materia que se utilizarán para evaluar la adquisición de los conocimientos. |
| Sesión magistral | Exposición oral complementada con el uso de medios audiovisuales y la introducción de preguntas dirigidas a los estudiantes, con la finalidad de transmitir conocimientos y facilitar el aprendizaje. |
| Atención personalizada |
|
|
| Evaluación | |||
| Metodologías | Competéncias | Descripción | Calificación |
| Prueba objetiva | B1 B8 B10 | Prueba escrita con cuestiones teóricas y problemas prácticos a resolver. | 0 |
| Prácticas de laboratorio | A1 A3 A4 A5 B5 B7 B8 B10 B12 | Resolución de ejercicios prácticos relacionados con las sesiones magistrales. Se valorará la adecuación de las soluciones propuestas a los problemas, la calidad de los resultados obtenidos y la comprensión de las técnicas utilizadas. | 80 |
| Prueba de respuesta breve | A1 A4 A5 | Pruebas online con cuestiones breves sobre los contidos de la materia que se utilizarán para evaluar la adquisición de los conocimientos. | 20 |
| Observaciones evaluación | |||
|
La prueba objetiva supone el 100% de la calificación final. De forma alternativa, se puede alcanzar el 100% de la calificación final presentando las prácticas de laboratorio y las pruebas de respuesta breve a lo largo del curso. La presentación de prácticas de laboratorio y las pruebas de respuesta breve exime de la realización de la prueba escrita. Si un estudiante entrega las prácticas de laboratorio y las pruebas de respuesta breve y se presenta posteriormente a la prueba escrita, prevalecerá la calificación obtenida en la prueba escrita. |
|||
| Fuentes de información |
| 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
M. Sonka, V. Hlavac, R. Boyle. (2015). Image Processing, Analysis, and Machine Vision. 4th edition. Cengage Learning
Gary Bradski, Adrian Kaehler (2008). Learning OpenCV. O'Reilly |
|
|
|
| Complementária | |
|
|
| Recomendaciones | |||
| Asignaturas que se recomienda haber cursado previamente | |||
|
| Asignaturas que se recomienda cursar simultáneamente | ||
|
| Asignaturas que continúan el temario |
| Otros comentarios | |