Datos Identificativos 2022/23
Asignatura (*) Análise e Interpretación de Datos Audiovisuais Código 614G02039
Titulación
Grao en Ciencia e Enxeñaría de Datos
Descriptores Ciclo Período Curso Tipo Créditos
Grao 2º cuadrimestre
Cuarto Optativa 6
Idioma
Castelán
Modalidade docente Presencial
Prerrequisitos
Departamento Ciencias da Computación e Tecnoloxías da Información
Coordinación
Ortega Hortas, Marcos
Correo electrónico
m.ortega@udc.es
Profesorado
Novo Bujan, Jorge
Ortega Hortas, Marcos
Ramos García, Lucia
Rouco Maseda, Jose
Correo electrónico
j.novo@udc.es
m.ortega@udc.es
l.ramos@udc.es
jose.rouco@udc.es
Web
Descrición xeral Esta asignatura está orientada a coñecer e aplicar as técnicas descripción, modelado, representación, recoñecemento e seguemento de contido visual, con enfoque práctico sobre aplicacións relevantes da visión por computador e análisis e interpretación audiovisual.

Competencias do título
Código Competencias do título
A23 CE23 - Coñecemento e capacidade de aplicación dos conceptos, metodoloxías e tecnoloxías de procesado de audio, imaxe e vídeo en diferentes formatos.
B2 CB2 - Que os estudantes saiban aplicar os seus coñecementos ao seu traballo ou vocación dunha forma profesional e posúan as competencias que adoitan demostrarse por medio da elaboración e defensa de argumentos e a resolución de problemas dentro da súa área de estudo
B3 CB3 - Que os estudantes teñan a capacidade de reunir e interpretar datos relevantes (normalmente dentro da súa área de estudo) para emitir xuízos que inclúan unha reflexión sobre temas relevantes de índole social, científica ou ética
B4 CB4 - Que os estudantes poidan transmitir información, ideas, problemas e solucións a un público tanto especializado como non especializado
B7 CG2 - Elaborar adecuadamente e con certa orixinalidade composicións escritas ou argumentos motivados, redactar plans, proxectos de traballo, artigos científicos e formular hipóteses razoables.
B8 CG3 - Ser capaz de manter e estender formulacións teóricas fundadas para permitir a introdución e explotación de tecnoloxías novas e avanzadas no campo.
B9 CG4 - Capacidade para abordar con éxito todas as etapas dun proxecto de datos: exploración previa dos datos, preprocesado, análise, visualización e comunicación de resultados.
B10 CG5 - Ser capaz de traballar en equipo, especialmente de carácter multidisciplinar, e ser hábiles na xestión do tempo, persoas e toma de decisións.
C1 CT1 - Utilizar as ferramentas 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 CT4 - Valorar a importancia que ten a investigación, a innovación e o desenvolvemento tecnolóxico no avance socioeconómico e cultural da sociedade.

Resultados de aprendizaxe
Resultados de aprendizaxe Competencias do título
Coñecer as técnicas para a descrición de contido visual mediante características avanzadas de cor, forma, textura e semánticas. A23
B2
B3
B4
B7
B8
B9
B10
C1
C4
Aplicar as técnicas de modelado e representación da información a problemas de recoñecemento e análise de datos audiovisuais A23
B2
B3
B4
B7
B8
B9
B10
C1
C4
Coñecer as técnicas de análises de datos orientadas á problemática de detección, recoñecemento e seguimento de obxectos en vídeo. A23
B2
B3
B4
B7
B8
B9
B10
C1
C4
Saber avaliar a adecuación de metodoloxías avanzadas aplicadas en problemas específicos de análises e interpretación audiovisual A23
B2
B3
B4
B7
B8
B9
B10
C1
C4

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 Horas presenciais Horas non presenciais / traballo autónomo Horas totais
Prácticas de laboratorio A23 B2 B3 B4 B7 B8 B9 B10 C1 C4 20 80 100
Proba obxectiva A23 B2 B3 B4 B7 B8 B9 B10 C1 C4 1 7 8
Sesión maxistral A23 B2 B3 B4 B7 B8 B9 B10 C1 C4 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 Descrición Cualificación
Prácticas de laboratorio A23 B2 B3 B4 B7 B8 B9 B10 C1 C4 Análise e resolución de casos prácticos co obxectivo de afianzar a aplicación práctica dos contidos teóricos 50
Proba obxectiva A23 B2 B3 B4 B7 B8 B9 B10 C1 C4 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.


Fontes de información
Bibliografía básica
  1. Nixon, Mark. "Feature extraction and image processing for computer vision". 3rd Edition, 2012. ISBN: 9780123965493.
  2. Sonka, M; Hlavac, V.; Boyle, R. "Image Processing, Analysis, and Machine Vision". 3rd Edition, 2009. ISBN: 978-0-49-508252-1.
  3. Forsyth, David A; Ponce, Jean. “Computer Vision: A Modern Approach”. Pearson. 2nd Edition, 2012. ISBN: 978-0-13608-592-8.
  4. Szeliski, Richard. “Computer Vision: Algorithms and Applications”. Springer. 1st Edition, 2010. ISBN 978-1-84882-934-3.
  5. 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 Automática III/614G02026
Procesamento de Imaxe, Vídeo e Audio/614G02028

Materias que se recomenda cursar simultaneamente

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