Créditos ECTS Créditos ECTS: 6
Horas ECTS Criterios/Memorias Traballo do Alumno/a ECTS: 110 Horas de Titorías: 1 Clase Expositiva: 14 Clase Interactiva: 25 Total: 150
Linguas de uso Inglés
Tipo: Materia Ordinaria Máster RD 1393/2007 - 822/2021
Departamentos: Electrónica e Computación, Departamento externo vinculado ás titulacións
Áreas: Ciencia da Computación e Intelixencia Artificial, Área externa Máster en Visión por Computador / Computer Vision
Centro Escola Técnica Superior de Enxeñaría
Convocatoria: Primeiro semestre
Docencia: Con docencia
Matrícula: Matriculable | 1ro curso (Si)
Este tema abrangue os temas fundamentais do procesamento e análise de imaxes e preséntase como a primeira parte doutro tema que introduce temas máis avanzados. Ademais do estudo e aplicación de técnicas fundamentais, estudaranse aplicacións prácticas destas técnicas para resolver problemas reais. Este curso proporciona as ferramentas necesarias para aplicar os algoritmos empregados en casos prácticos, así como as bases para desenvolver novos algoritmos e continuar estudando métodos máis avanzados.
Resultados da aprendizaxe:
Comprender os conceptos e técnicas básicas do procesamento dixital de imaxes
Comprender os conceptos e as técnicas básicas de análise de imaxes dixitais
Capacidade de aplicar diferentes técnicas básicas a problemas de visión da computadora
Saber valorar a adecuación das metodoloxías aplicadas a problemas específicos
Parte 1 (UDC).
* Percepción e cor
* Preprocesado: normalización e mellora
* Restauración de imaxes
* Detección de bordos
* Transformacións de imaxe
* Operadores morfolóxicos
* Coincidencia de modelos
Parte 2 (USC)
* Extracción de propiedades de imaxe global (puntos clave, bolas, recunchos, MSERs)
* Extracción de propiedades invariables a escala (SIFT)
* Segmentación por limiar
* Segmentación axustándose a un modelo (Hough transform)
* Segmentación por división e crecemento das rexións
* Outras técnicas de segmentación
Bibliografía básica:
Gonzalez y Woods. Digital image processing. ISBN: 0-20-118075-8.
Bibliografía complementaria:
D.A. Forsyth y J. Ponce. Computer Vision. ISBN 0-13-085198-1.
Steger & Wiedemann. Machine Vision Algorithms and Applicacions. ISBN 978-3-527-4073.
CT1 Exerce a profesión cunha conciencia clara da súa dimensión humana, económica, legal e ética e cun claro compromiso coa calidade e a mellora continua.
CG2 Capacidade para analizar as necesidades dunha empresa no campo da visión informática e determinar a mellor solución tecnolóxica para ela.
CG4. Capacidade de análise crítica e avaliación rigorosa de tecnoloxías e metodoloxía.
CG5. Capacidade para identificar problemas non resoltos e ofrecer solucións innovadoras.
CG7 Capacidade de aprendizaxe autónoma para a especialización nun ou máis campos de estudo.
CE1 Coñecer e aplicar os conceptos, metodoloxías e tecnoloxías do procesamento de imaxes.
CE3 Coñecer e aplicar os conceptos, metodoloxías e tecnoloxías de análise de imaxes e vídeos.
A metodoloxía empregada usa o Campus Virtual da USC como plataforma básica. Na aula virtual da materia, o alumnad terá toda a información (material teórico, diapositivas de clase, guións de prácticas, etc.)
* Sesións maxistrais: exposición oral complementada co uso de medios audiovisuais e a introdución de preguntas para o alumnado, co fin de transmitir coñecementos e facilitar a aprendizaxe.
* Prácticas de laboratorio: resolución práctica de diferentes problemas de imaxe mediante a aplicación de técnicas de procesamento de imaxes explicadas durante as sesións maxistrais.
* Investigación: proposta de dúas situacións prácticas na análise de imaxes que requiren ao alumnado identificar o problema obxecto de estudo, formulalo con precisión, desenvolver os procedementos pertinentes, interpretar os resultados e extraer as conclusións axeitadas do traballo realizado.
As competencias CT1, CG2, CG4, CG5 e CG7 desenvólvense principalmente no desenvolvemento de proxectos de investigación, e as competencias CE1 e CE2 desenvólvense en clases maxistrais, realizando exercicios e proxectos de investigación.
A avaliación da materia consta de dúas partes que deben ser superadas de xeito independente:
40%: A parte relacionada coa presentación das prácticas maxistrais avaliarase mediante unha proba escrita con preguntas teóricas e problemas prácticos. Alternativamente, esta parte pode superarse mediante a avaliación continua das prácticas de laboratorio, que avaliará a adecuación das solucións propostas aos problemas, a calidade dos resultados obtidos e a comprensión das técnicas empregadas.
Úsase para avaliar principalmente as competencias CE1 e CE3.
60%: Resolución de dous casos prácticos (proxecto de investigación). Valorarase a adecuación das solucións propostas aos problemas, a calidade dos resultados obtidos e a comprensión das técnicas empregadas.
Utilízase para avaliar principalmente as competencias CT1, CG2, CG4, CG5 e CG7.
En caso de realización fraudulenta de exercicios ou probas, aplicarase o disposto na normativa Avaliación do rendemento académico dos estudantes e revisión das cualificacións .
En aplicación do Regulamento ETSE sobre plaxio (aprobado pola Xunta ETSE o 19/12/2019) a copia total ou parcial de calquera exercicio de práctica ou teoría suporá un suspenso en ambas as ocasións do curso, cunha cualificación de 0,0 en ambos os casos.
Esta materia ten 6 créditos ECTS, correspondentes a unha carga de traballo total de 150 horas (presencia de 7h / crédito). Esta vez pódese dividir nas seguintes seccións:
TRABALLO PRESENCIAL EN AULA:
* Clases maxistrais: 14 horas
* Prácticas de laboratorio: 15 horas
* Investigación (proxecto): 10 horas
* Proba obxectiva: 3 horas
Total de horas de traballo na aula: 42 horas
TRABALLO PERSOAL DO ALUMNADO:
* Estudo autónomo: 24 horas
* Prácticas de laboratorio: 44 horas
* Investigación (proxecto): 40 horas
Total: 108 horas
Recoméndase levar a materia ao día e o uso de titorías para aclarar dúbidas e asesorar no desenvolvemento do proxecto.
O campus virtual da UDC e da USC utilizarase para cada unha das partes.
A materia impartirase en inglés.
Nicolas Vila Blanco
Coordinador/a- Departamento
- Electrónica e Computación
- Área
- Ciencia da Computación e Intelixencia Artificial
- Correo electrónico
- nicolas.vila [at] usc.es
- Categoría
- Profesor/a: Profesor Axudante Doutor LOU
Venres | |||
---|---|---|---|
15:30-18:30 | Grupo /CLIL_01 | Inglés | Aula A9 |
02.02.2024 15:30-18:30 | Grupo /CLE_01 | Aula A9 |
02.02.2024 15:30-18:30 | Grupo /CLIL_01 | Aula A9 |
03.07.2024 11:00-13:00 | Grupo /CLIL_01 | Aula A9 |
03.07.2024 11:00-13:00 | Grupo /CLE_01 | Aula A9 |