Datos Identificativos 2022/23
Asignatura (*) Visión por Computador II Código 614544018
Titulación
Máster Universitario en Intelixencia Artificial
Descriptores Ciclo Período Curso Tipo Créditos
Mestrado Oficial 2º cuadrimestre
Primeiro Optativa 6
Idioma
Inglés
Modalidade docente Híbrida
Prerrequisitos
Departamento Ciencias da Computación e Tecnoloxías da Información
Coordinación
Barreira Rodriguez, Noelia
Correo electrónico
noelia.barreira@udc.es
Profesorado
Barreira Rodriguez, Noelia
Ramos García, Lucia
Correo electrónico
noelia.barreira@udc.es
l.ramos@udc.es
Web
Descrición xeral O obxectivo principal desta materia é profundizar nas técnicas de visión por computador, en concreto, en técnicas avanzadas de segmentación, clasificación, detección e seguemento de obxectos, así como nas aplicacións da IA no campo da visión. Ademais do estudio de técnicas avanzadas de procesado e análise de imaxe, estudiaranse aplicacións nesta área para resolver problemas reais. Esta materia proporciona as ferramentas necesarias para aplicar os algoritmos estudiados en casos prácticos así como para desenvolver novos algoritmos.

Competencias do título
Código Competencias do título
A24 CE23 - Comprensión e dominio dos conceptos básicos e técnicas de procesamento de imaxe dixital
A25 CE24 - capacidade de aplicación de diferentes técnicas a problemas de visión por computador
A26 CE25 - coñecementos e habilidades que permitan deseñar sistemas para detección, clasificación e seguemento de obxectos en imaxes e vídeo
A27 CE26 - Comprensión e dominio sobre as formas de representación das señáis e imaxes en función dos seus datos, así como as súas características fundamentáis e as súas formas de representación
B1 CG01 - Manter e extender os plantexamentos teóricos fundados para permitir a introducción e explotación de tecnoloxías novas e avanzadas no eido da Intelixencia Artificial
B3 CG03 - Buscar e seleccionar a información útil necesaria para resolver problemas complexos, manexando con soltura as fontes bibliográficas do campo
B5 CG05 - Traballar en equipo, especialmente de carácter multidisciplinar, e ser hábiles na xestión do tempo, persoas e toma de decisións
B6 CB01 - Poseer e comprender coñecementos que aporten unha base ou oportunidade de ser orixináis no desenvolvemento e/ou aplicación de ideas, a miúdo nun contexto de investigación
B7 CB02 - Que os estudantes saiban aplicar os coñecementos adquiridos e posúan capacidade de resolución de problemas en entornos novos ou pouco coñecidos dentro de contextos máis amplos (ou multidisciplinares) relacioados coa su área de estudo
B10 CB05 - Que os estudantes posúan as habilidades de aprendizaxe que lles permitan continuar estudando dun xeito que terá que ser en gran medida autodirixido ou autónomo
C3 CT03 - Utilizar as ferramientas 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 CT04 - Desenvolverse para o exercicio dunha una cidadanía respetuosa coa cultura democrática, os dereitos humáns e la perspectiva de xénero
C8 CT08 - Valorar a importancia que ten a investigación, a innovación e o desenrolo tecnolóxico no avance socioeconómico e cultural da sociedade

Resultados de aprendizaxe
Resultados de aprendizaxe Competencias do título
Coñecer e saber aplicar técnicas avanzadas de análise de imaxe dixital AM24
AM25
BM1
BM3
BM6
BM10
CM4
CM8
Coñecer e saber aplicar técnicas avanzadas de procesado de imaxe dixital AM23
AM24
BM1
BM3
BM6
BM10
CM4
CM8
Saber analizar, deseñar e desenvolver solucións baseadas en tecnoloxías avanzadas de procesado e análise de imaxe AM24
AM26
BM5
BM7
CM3
Saber avaliar a adecuación das metodoloxías aplicadas en problemas específicos AM24
AM25
BM6
BM7
CM3

Contidos
Temas Subtemas
Técnicas avanzadas de procesado de imaxe.
Técnicas avanzadas de análise de imaxe.
Técnicas avanzadas de segmentación.
Aplicacións avanzadas de procesado e análise de imaxe.

Planificación
Metodoloxías / probas Competencias Horas presenciais Horas non presenciais / traballo autónomo Horas totais
Prácticas de laboratorio A25 B1 B3 B7 C3 14 42 56
Investigación (Proxecto de investigación) A25 A26 B5 B7 C3 7 35 42
Proba mixta A24 A27 B1 B7 2 0 2
Sesión maxistral A24 A27 B1 B6 B10 C4 C8 21 21 42
 
Atención personalizada 8 0 8
 
*Os datos que aparecen na táboa de planificación son de carácter orientativo, considerando a heteroxeneidade do alumnado

Metodoloxías
Metodoloxías Descrición
Prácticas de laboratorio Resolución práctica de distintos problemas de imaxe mediante a aplicación de técnicas de procesado de imaxe explicadas durante as sesións maxistrais.
Investigación (Proxecto de investigación) Proposta de situacións prácticas en análise de imaxe que requira ao estudante identificar o problema obxecto de estudo, formulalo con precisión, desenvolver os procedementos pertinentes, interpretar os resultados e extraer as conclusións oportunas sobre o traballo realizado.
Proba mixta Exame teórico da materia orientado á resolución de problemas prácticos.
Sesión maxistral Exposición oral complementada co uso de medios audiovisuais e a introdución de algunhas preguntas dirixidas aos estudantes, coa finalidade de transmitir coñecementos e facilitar a aprendizaxe.

Atención personalizada
Metodoloxías
Prácticas de laboratorio
Investigación (Proxecto de investigación)
Descrición
Resolución de dúbidas durante as prácticas de laboratorio.

Asesoramento individualizado durante a realización dos proxectos de investigación.

Avaliación
Metodoloxías Competencias Descrición Cualificación
Prácticas de laboratorio A25 B1 B3 B7 C3 Resolución de exercicios prácticos relacionados coas sesións maxistrais. Valorarase a adecuación das solucións propostas aos problemas, a calidade dos resultados obtidos e a comprensión das técnicas utilizadas. 40
Investigación (Proxecto de investigación) A25 A26 B5 B7 C3 Resolución de casos prácticos. Valorarase a adecuación das solucións propostas aos problemas, a calidade dos resultados obtidos e a comprensión das técnicas utilizadas. 60
Proba mixta A24 A27 B1 B7 Proba escrita con cuestións teóricas e problemas prácticos a resolver. 0
 
Observacións avaliación
A entrega das prácticas de laboratorio ao longo do curso supón o 40% da cualificación final. De forma alternativa, pódese alcanzar o 40% da cualificación final realizando a proba mixta. A presentación das prácticas de laboratorio exime da realización da proba mixta. 

Se o alumnado entrega as prácticas de laboratorio e se presenta posteriormente á proba mixta, prevalecerá a cualificación obtida na proba mixta. 

Considerarase non presentado/a a quen non entregue ningunha das probas. 

Na segunda oportunidade: 

  • No caso dun non presentado/a na primeira oportunidade, a avaliación farase en función do proxecto de investigación (ata o 60% da cualificación total) e a proba mixta (ata o 40% da cualificación total).  
  •  Se o/a estudante entregou as prácticas de laboratorio e/ou os proxectos de investigación pero non alcanzou o aprobado na primeira convocatoria, conservarase a cualificación obtida para a segunda oportunidade en cada unha das partes. Para acadar a nota necesaria para aprobar, o/a estudante deberá entregar os proxectos non presentados/aprobados e/ou realizar a proba mixta. 

Fontes de información
Bibliografía básica R. Szeliski (2010). Computer vision: algorithms and applications. Springer
M. Elgendy (2020). Deep Learning for Vision Systems. Manning
M. Sonka, V. Hlavac, R. Boyle (2015). Image Processing, Analysis and Machine Vision. Cengage Learning

Bibliografía complementaria I. Goodfellow, Y, Bengio, A. Courville (2016). Deep Learning. MIT Press


Recomendacións
Materias que se recomenda ter cursado previamente
Visión por Computador I/614544017

Materias que se recomenda cursar simultaneamente
Aprendizaxe Profunda/614544013

Materias que continúan o temario

Observacións


(*)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