ECTS credits ECTS credits: 6
ECTS Hours Rules/Memories Hours of tutorials: 3 Expository Class: 24 Interactive Classroom: 24 Total: 51
Use languages Spanish, Galician
Type: Ordinary Degree Subject RD 1393/2007 - 822/2021
Departments: Applied Physics
Areas: Applied Physics
Center Higher Polytechnic Engineering School
Call: First Semester
Teaching: With teaching
Enrolment: Enrollable
La meta de este curso es proporcionar una introducción a la visión artificial con técnicas clásicas y desde una perspectiva práctica.
OBJETIVOS
• Comprender que es la visión artificial, sus metas e identificar las áreas clave de aplicación de esta disciplina en la robótica.
• Desarrollar habilidades necesarias para construir aplicaciones prácticas de visión artificial.
• Comprender los fundamentos básicos de la formación de imágenes, modelos de cámara, proceso de calibración y visión estereoscópica.
• Familiarizarse tanto con los contenidos teóricos y aspectos prácticos del procesado digital de imágenes.
• Ganar conocimiento en métodos de segmentación, reconocimiento y categorización de imágenes y escenas.
• Conocer estado del arte e implementar los modelos de atención visual útiles en robótica.
La memoria del título contempla para esta materia los seguintes contenidos:
Formación de la imagen digital y espacios de color. Técnicas básicas de procesado de imagen y filtrado multirresolución. Detección de puntos de interés y modelos de atención visual útiles en robótica. Caracterización: descriptores invariantes y vectores de características. Clasificación de escenas y detectores de objetos. Técnicas de segmentación. Análisis de vídeo: flujo óptico y seguimiento de objetos. Geometría visual: modelos de cámaras y estereoscopía.
Estos contenidos teóricos se desarrollarán de acuerdo con el siguiente temario:
BLOQUE 1: PROCESADO DIGITAL DE IMÁGENES
Distribución en horas para este bloque:
• Presenciales: 8 docencia expositiva, 8 aulas de informática, 1 tutorías grupo.
• No presenciales: 15 preparación temas, 10 elaboración trabajos, 2 preparación pruebas evaluación.
TEMA 1: INTRODUCCIÓN A LA VISIÓN ARTIFICIAL Y PRESENTACIÓN DE LA MATERIA
Introducción al campo de la visión artificial y presentación de la materia
Logística del curso: configuración del entorno de trabajo y hardware disponible
TEMA 2: IMAGEN DIGITAL
Formación digital de imágenes: iluminación, ópticas, cámaras, digitalización y captura
Manipulación computacional de la imagen digital
Espacios de color y representación digital Imágenes con canal alfa y con profundidad (RGBD)
Vídeo: captación y manejo
TEMA 3: TÉCNICAS BÁSICAS DE PROCESADO DIGITAL DE IMÁGENES
Operaciones básicas y transformaciones geométricas de imágenes
Umbrales y histogramas
Convolución y cross-correlación: concepto de filtro
Transformada de Fourier: conceptos y propiedades
TEMA 4: REALCE DE IMÁGENES, FILTRADO Y CONTORNOS
Filtrado de imágenes en el dominio espacial: lineal y no lineal
Filtrado lineal en el dominio frecuencia: construcción de bancos de filtros
Espacios multiescala: pirámides de imágenes
Operaciones morfológicas
Detección de bordes: análisis, codificación y etiquetado de componentes conexas
Detección de formas paramétricas: Transformada de Hough
BLOQUE 2: PUNTOS ATENCIONALES, DESCRIPCIÓN Y RECONOCIMIENTO
Distribución en horas para este bloque:
• Presenciales: 10 docencia expositiva, 10 aulas de informática, 1 tutorías grupo
• No presenciales: 16 preparación temas, 12 elaboración trabajos, 3 preparación probas evaluación.
TEMA 5: DETECCIÓN DE PUNTOS DE INTERÉS
Puntos relevantes en una imagen: atención visual
Conceptos de mapas de saliencia, relevancia y prioridad
Detectores de puntos de interés geométricos y basados en gradientes de intensidad
Saliencia visual y detección de puntos perceptualmente relevantes
Modelos de saliencia computacionalmente eficientes en el dominio espectral: residuo y fase global
TEMA 6: CARACTERIZACIÓN: DESCRIPTORES Y VECTORES DE CARACTERÍSTICAS
Introducción: descriptores, vectores de características e invarianza
Concepto de descriptores de características y de vectores de características
Descriptores globales, locales invariantes y binarios
Descriptores de contorno y región
TEMA 7: CLASIFICACIÓN DE ESCENAS Y OBJETOS
Introducción a la clasificación de imágenes: supervisado y no supervisado
Flujo típico de un sistema de clasificación de imágenes
Clasificadores no supervisados y supervisados
Clasificador de Pirámides de Bolsas de Palabras Visuales
Detectores de objetos (HoG+SVM)
TEMA 8: SEGMENTACIÓN
Introducción: Teoría de la Gestalt de agrupamiento perceptual
Concepto de segmentación y tipos: semántico, instancias y panóptico
Algoritmos de segmentación y clustering aglomerativo
Superpixels y sobre-segmentación
TEMA 9: INTRODUCCIÓN AL ANÁLISIS DE VÍDEO
Introducción al análisis de vídeo
Flujo óptico y estimación del movimiento: Lucas-Kanade e Horn-Schunck
Seguimiento visual de un/varios objeto/s
Aplicaciones del movimiento: segmentación y reconocimiento
Dominio Transformado de Fourier 3D: interpretación y usos
BLOQUE 3: GEOMETRÍA VISUAL
Distribución en horas para este bloque:
• Presenciales: 6 docencia expositiva, 6 aulas de informática, 1 tutorías grupo
• No presenciales: 9 preparación temas, 8 elaboración trabajos, 2 preparación pruebas evaluación.
TEMA 10: MODELOS DE CÁMARAS Y VISIÓN ESTÉREO
Geometría proyectiva: coordenadas homogéneas, transformaciones e invariantes
Modelos lineales de cámara: parámetros internos, externos y calibración
Visión estéreo, geometría epipolar, estimación de la matriz fundamental
Emparejamiento de la disparidad estéreo y rectificación por correspondencias
Estructura desde movimiento (sfm) y reconstrucción 3D
Aplicación: cámaras RGBD
PROGRAMA DE PRÁCTICAS:
Distribución en horas para este bloque:
• Presenciales: 24 aulas de informática.
• No presenciales: 30 elaboración trabajos.
La enseñanza experimental de los alumnos constituye una parte sustancial de todo curso de visión artificial. Además de su papel de ilustrar contenidos específicos del programa de la materia, las prácticas permiten al estudiante desarrollar competencias transversales propias de la titulación. Estas actividades promueven la elección y aplicación de métodos analíticos, de cálculo y experimentales ya establecidos, así como interpretación de los resultados para llegar a conclusiones válidas en el ámbito del estudio. Además, fomentar el trabajo en equipo, se practica la comunicación oral y escritura y la gestión de la información. Los objetivos específicos son:
• Desarrollar hábitos correctos de trabajo en equipo mediante la aplicación del método científico al análisis de problemas prácticos reales.
• Aprender la implementación de técnicas aprendidas, el correcto manejo de datos y a extraer conclusiones de los experimentos, proporcionándoles además experiencia en la transmisión de la información técnica mediante la redacción de informes científico-técnicos y la exposición oral.
• Desarrollar su compromiso con las metas marcadas para un grupo de trabajo y con los principios éticos involucrados en el trabajo científico y técnico.
Para conseguir los anteriores objetivos en las prácticas de Visión Artificial, en cada tema se aporta a los estudiantes bloques de código que facilitarán la comprensión de la implementación de las técnicas estudiadas y permitirán abordar tareas más complejas. La relación de experimentos propuesta:
P1: CONFIGURACIÓN E INSTALACIÓN DEL ENTORNO DE TRABAJO EN EL ORDENADOR PERSONAL
P2: PROCESADO DIGITAL BÁSICO DE IMÁGENES Y ESPACIOS DE COLOR
P3: DISEÑO E IMPLEMENTACIÓN DE BANCOS DE FILTROS LOG-GABOR Y GAUSSIANO EN EL DOMINIO FRECUENCIAL
P4: MODELOS DE SALIENCIA VISUAL
P5: CLASIFICADOR DE IMÁGENES: ANÁLISIS DE LAS COMBINACIONES DESCRIPTOR-CLASIFICADOR
P6: CONSTRUCCIÓN Y ENTRENAMIENTO DE UN DETECTOR DE OBJETOS PROPIO
P7: IMPLEMENTACIÓN Y EVALUACIÓN DE TÉCNICAS DE SEGMENTACIÓN CLÁSICAS
P8: ANÁLISIS DE VÍDEO: DETECCIÓN Y SEGUIMIENTO DE OBJETOS
P9: GEOMETRÍA VISUAL, ESTEREOSCOPÍA Y RECONSTRUCCIÓN
PROYECTO FINAL (POR PAREJAS) DE TEMÁTICA LIBRE: El EQUIPO DEBE ELEGIR UNA APLICACIÓN PRÁCTICA QUE INTEGRE DISTINTAS TÉCNICAS DEL CURSO.
• DOCUMENTACIÓN DE LA MATERIA
• Documentación preparada explícitamente por el profesorado y que será distribuida a través de campus virtual.
• BIBLIOGRAFÍA BÁSICA
• Gonzalo Pajares y Jesús Manuel De La Cruz. VISIÓN POR COMPUTADOR: IMÁGENES DIGITALES Y APLICACIONES (2ª). RAMA. ISBN(13): 9788478978311
• Gonzalo Pajares Y Jesús Manuel De La Cruz. EJERCICIOS RESUELTOS DE VISIÓN POR COMPUTADOR (1ª). RAMA. ISBN(13): 9788478978281
• Gonzalez, Rafael C. ; Woods, Richard E. DIGITAL IMAGE PROCESSING PRENTICE HALL. ISBN(13): 9780131687288
• Richard Szeliski. COMPUTER VISION: ALGORITHMS AND APPLICATIONS (2ª ed). Draft 2021 Springer. (https://szeliski.org/Book/)
• David A. Forsyth and Jean Ponce. COMPUTER VISION: A MODERN APPROACH. Prentice Hall. Pearson Education International. 2011
• BIBLIOGRAFÍA COMPLEMENTARIA
• Richard Hartley and Andrew Zisserman. MULTIPLE VIEW GEOMETRY IN COMPUTER VISION. Cambridge University Press
• ENLACES RECOMENDADOS
• Computer Vision, University of Texas (Grauman), 2018. (http://vision.cs.utexas.edu/376-spring2018/)
• Computer Vision, New York University (Fergus), 2019. (https://cs.nyu.edu/~fergus/teaching/vision/index.html)
• Computer Vision, University of Illinois (Lazebnik), 2019. (http://slazebni.cs.illinois.edu/spring19/)
• Advances in Computer Vision, MIT (Freeman, Torralba and Isola), 2019. (http://6.869.csail.mit.edu/fa19/)
• Computer Vision, Aachen University (Leibe), 2019. (http://www.mmp.rwth-aachen.de/course/28/)
• Artigos de Visión artificial con código (https://paperswithcode.com/area/computer-vision)
Relación de resultados del aprendizaje:
Al terminar con éxito esta asignatura, los estudiantes serán capaces de:
Conocimiento:
Con52. Distinguir las áreas clave de aplicación de la visión artificial clásica en la robótica.
Con53. Identificar los aspectos teóricos y prácticos de las técnicas clásicas de visión artificial en robótica.
Destreza:
H/D57. Desarrollar y analizar aplicaciones prácticas simples de visión artificial.
H/D58. Implementar algoritmos de visión artificial.
Competencia:
Comp15. Utilizar e implementar métodos de aprendizaje computacional en el análisis de datos sensoriales y para la toma de decisiones en sistemas robóticos.
Comp19. Entender y saber programar las técnicas de análisis, procesado, detección, reconocimiento y seguimiento de patrones en los distintos tipos de señales procedentes de diferentes sensores y cámaras dentro del entorno de un robot.
Lección magistral:
Descripción: Presentación en el aula de los conceptos propios de la materia haciendo uso de metodología expositiva con lecciones magistrales participativas y medios audiovisuales. Cada sesión, se iniciará con un breve resumen del expuesto en el día anterior y terminará con una compilación breve.
Propósito: Transmitir los contenidos de la materia motivando al alumnado a la reflexión y facilitándole el descubrimiento de las relaciones entre diversos conceptos.
Contenido en ECTS: 3 (24 horas presenciales)
Metodología Docente: Lección magistral. Debates. Tutoría académica.
Competencias trabajadas: Comp15,Comp19.
Resultados Aprendizaje trabajados: Con52,Con53, H/D57, H/D58.
Actividades interactivas con grupos reducidos (Prácticas en Aula de Informática y proyecto final):
Descripción: Actividades a través de las cuales se pretende mostrar al alumnado como debe actuar a partir de la aplicación de los conocimientos adquiridos, a hacer observaciones experimentales cuidadosas y obtener conclusiones a partir de los datos obtenidos.
Propósito: Desarrollo en el alumnado de las habilidades instrumentales de la materia. Contenido en ECTS: 2,75 (24 horas presenciales)
Metodología Docente: Prácticas de laboratorio. Desarrollo de proyectos. Tutoría académica.
Competencias: Comp15,Comp19.
Resultados Aprendizaje trabajados: Con52,Con53, H/D57, H/D58.
Seminarios (grupo grande):
Descripción: Modalidad organizativa de los procesos de enseñanza y aprendizaje donde tratar en profundidad una temática actual relacionada con la materia. Incorpora actividades basadas en la indagación, el debate, la reflexión y el intercambio.
Propósito: Desarrollo en el alumnado de las competencias cognitivas y procedimentales de la materia. Contenido en ECTS: 0,1 (1 horas presenciales)
Competencias: Comp15,Comp19.
Resultados Aprendizaje trabajados: Con52,Con53, H/D57, H/D58.
Tutorías académicas (grupo pequeño e individuales):
Descripción: manera de organizar los procesos de enseñanza y aprendizaje que se basa en la interacción directa entre el estudiante y el profesor
Propósito: 1) Orientan el trabajo autónomo y grupal del alumnado, 2) profundizar en distintos aspectos de la materia y 3) orientar la formación académica integral del estudiante
Contenido en ECTS: 0,7 (7 horas presenciales) Competencias: Comp15,Comp19.
Resultados Aprendizaje trabajados: Con52,Con53, H/D57, H/D58.
Actividades no presenciales individuales (Estudio y trabajo autónomo):
Descripción: 1) Actividades (guiadas y no guiadas) propuestas por el profesor a través de las cuales, y de forma individual, se ahonda en aspectos concretos de la materia posibilitando al estudiante avanzar en la adquisición de determinados conocimientos y procedimientos de la materia, 2) Estudio individualizado de los contenidos de la materia 3) Actividades evaluables (informes, presentaciones, ...)
Propósito: Favorecer en el estudiante a capacidad para autorregular su aprendizaje, planificándolo, diseñándolo, evaluándolo y adecuándolo a sus especiales condiciones e intereses.
Contenido en ECTS: 3 (30 horas no presenciales)
Competencias: Comp15,Comp19.
Resultados Aprendizaje trabajados: Con52,Con53, H/D57, H/D58.
Actividades no presenciales grupales (Estudio y trabajo en grupo)
Descripción: Actividades (guiadas y no guiadas) propuestas por el profesor a través de las cuales y de forma grupal se afonda en aspectos concretos de la materia posibilitando a los estudiantes avanzar en la adquisición de determinados conocimientos y procedimientos de la materia. Propósito: Favorecer en los estudiantes a generación e intercambio de ideas, la identificación y análisis de diferentes puntos de vista sobre una temática, la generalización o transferencia de conocimiento y la valoración crítica del incluso.
Contenido en ECTS: 2 (20 horas no presenciales)
Competencias: Comp15,Comp19.
Resultados Aprendizaje trabajados: Con52,Con53, H/D57, H/D58.
Se empleará un sistema de evaluación continua, que tenga características de evaluación formativa, de manera que sirva de realimentación en el proceso de enseñanza-aprendizaje por parte del estudiante. La estructura del sistema es la siguiente:
CRITERIOS DE EVALUACIÓN
Definimos los siguientes criterios de evaluación para atender al grado de adquisición de las competencias por parte del estudiante y los resultados del aprendizaje:
• CE1: El alumno es capaz de resolver problemas simples de visión artificial en el campo de la robótica.
• CE2: El alumno integra los conocimientos explicados nos distintos temas de teoría para poder resolver de manera creativa los problemas que se le presenten.
• CE3: El alumno es capaz de implementar algoritmos de visión que dan solución a los problemas expuestos, integrando los conocimientos adquiridos sobre el funcionamiento de los sistemas de visión artificial, haciendo uso de los recursos bibliográficos y herramientas informáticas a su alcance.
• CE4: El alumno es capaz de generar documentación correctamente redactada, clara y precisa sobre el trabajo realizado en las prácticas.
• CE5: El alumno expone y defiende de manera clara y razonada sus propuestas para la resolución de los problemas expuestos.
INSTRUMENTOS DE CALIFICACIÓN
Esta sección expone los instrumentos de evaluación que serán aplicados la cada uno de los criterios de evaluación:
• Tests de conocimientos básicos (TCB). cada estudiante realizará un test de conocimientos básicos (prueba objetiva) por cada tema a través de la plataforma del Campus Virtual. Esta prueba consistirá en una serie preguntas de respuesta múltiple que abordarán los aspectos teóricos básicos del tema.
• Prácticas (PL). Consiste en la implementación e integración de código en casos prácticos reales que ilustren la aplicación de los contenidos teóricos vistos. Se le suministrará un conjunto de rutinas base para que el estudiante pueda abordar el problema con garantías de éxito.
• Proyecto final (PF). Consiste en el diseño e implementación de una aplicación práctica en la que cada equipo (dos estudiantes) deben aplicar e interrelacionar los conocimientos teórico-prácticos adquiridos en la materia.
La elección de la temática será libre. El trabajo terminará cuando se entreguen los códigos fuente, una memoria del trabajo y se realice un vídeo de presentación.
CRITERIOS DE CALIFICACIÓN
Para considerar superada la evaluación continua los alumnos deberán cumplir las siguientes condiciones:
• que haya asistido, como mínimo, la un 80% de las clases teóricas y prácticas,
• que haya realizado todos los tests de conocimientos básicos (TCB). Se considerarán superados si obtiene una calificación final promedio superior o igual la mitad de la nota máxima de los TCB,
• que haya realizado todas las prácticas de cada tema y demostrara su capacidad de dar solución a los problemas prácticos planteados. Se entenderá que superó estas competencias se obtiene una calificación final promedio superior o igual la mitad de la nota máxima de los PL
• que haya presentado el proyecto final. Se entenderá que superó estas competencias si obtiene una calificación final promedio superior o igual la mitad de la nota máxima de los PF,
• la materia se considerará superada si se obtiene una calificación global ponderada igual o superior a 5 (sobre 10) entre todos los instrumentos de evaluación.
PROCEDIMIENTOS DE EVALUACIÓN
Todo aquel estudiante que no participe o no complete totalmente todas las tareas del proceso de evaluación continua, deberá presentar los trabajos correspondientes, o bien a la 1ª o a la 2ª oportunidad, para recuperar la/las partes pendientes. La calificación constará en la oportunidad en la que queden superados las deficiencias detectadas:
-Si no asistió al 80% de las clases deberá presentar ejercicios extra de los temas a los que no asistió que le aportará el profesor,
-Si no presentó/superó la/s práctica/s, deberá presentar/mejorar el material correspondiente según la retroalimentación dada por el profesor, Si no presentó/superó el proyecto final aportará/mejorará el material requerido según la retroalimentación dada por el profesor.
PESO EN LA CALIFICACIÓN DE LOS INSTRUMENTOS DE EVALUACIÓN
• Tests de conocimientos básicos (TCB) = 20%
• Prácticas (PL) = 40%
• Proyecto final (PF) = 40%
COMPETENCIAS (C*), RESULTADOS DE EVALUACIÓN (RA) Y CRITERIOS DE EVALUACIÓN (CE)
• Tests de conocimientos básicos: Comp15,Comp19, Con52,Con53, H/D57, H/D58,CE1, CE2
• Prácticas (PL) : Comp15,Comp19, Con52,Con53, H/D57, H/D58,CE1, CE2
• Proyecto final (PF) : Comp15,Comp19, Con52,Con53, H/D57, H/D58,CE1, CE2
EVALUACIÓN DE ESTUDIANTES CON DISPENSA ACADÉMICA
Los estudiantes que tengan concedida la dispensa de asistencia por la Comisión de Título según lo dispuesto en el Reglamento de asistencia a clase, deben tener en cuenta que para aprobar la asignatura es obligatorio realizar los TCBs, las prácticas y el proyecto final con su correspondiente exposición oral/entrevista.
EVALUACIÓN DE ESTUDIANTES REPETIDORES
Los alumnos repetidores serán evaluados como el resto del alumnado. Sólo quedan exentos de la asistencia presencial a las clases teóricas y prácticas.
ESTUDIANTES CON DISCAPACIDAD O NECESIDADES EDUCATIVAS ESPECIALES
Las adaptaciones curriculares para estudiantes con discapacidad o con necesidades educativas especiales, el fin de garantizar la igualdad de oportunidades, no discriminación, la accesibilidad universal y la mayor garantía de éxito académico serán pautadas por el Servicio de Participación e Integración Universitaria (SEPIU), dependiente de la Vicerreitoría de Igualdad, Cultura y Servicios. Será requisito para eso la emisión de un informe de adaptaciones curriculares por parte de la dicha unidad, por lo que los estudiantes con discapacidad o necesidades educativas especiales deberán contactar con ella, el fin de analizar conjuntamente las distintas alternativas.
CONDUCTA, INTEGRIDAD Y HONESTIDAD ACADÉMICA
La USC está plenamente comprometida con los más altos estándares de integridad y honestidad
Académica reflejadas en su Código Ético (https://www.usc.es/gl/goberno/valedor/codigoetico/codigoetico.html). Para acompañar este proceso, la Universidad dispone de la Normativa de Evaluación del Rendimiento sobre conducta académica de la USC y de diferentes herramientas (antiplagio, supervisión) que ofrecen una garantía colectiva para el completo desarrollo de estos valores esenciales.
De acuerdo con esta Normativa de Evaluación, si un alumno realiza fraudulentamente una prueba o ejercicio exigido en la evaluación implicará la calificación de suspenso en la convocatoria correspondiente, con independencia del proceso disciplinario que se pueda seguir contra el alumno infractor. Se considerará fraudulenta, entre otras, copiar en un examen así como la realización de trabajos plagiados u obtenidos de fuentes accesibles al público sin reelaboración o reinterpretación y sin citas a los autores y a las fuentes.
La materia tiene asignada una carga de trabajo de 6 ECTS. En la guía de la materia se puede consultar un análisis detallado del tiempo de estudio y trabajo personal necesario para superarla, que se muestra a continuación de forma simplificada:
Trabajo presencial en el aula
Clases expositivas: 24 horas.
Clases interactivas: 24 horas.
Tutorías de grupo (con grupos reducidos): 3 horas.
TOTAL: 51 horas
Trabajo personal del estudiante
Lectura y preparación de temas: 40 horas
Realización de tests de conocimiento teórico: 7 horas
Realización de actividades prácticas: 30 horas
Realización del proyecto final: 20 horas
Preparación de tutorías: 2 horas
TOTAL: 99 horas
En la memoria de título, se exigen como requisitos previos para afrontar con éxito esta materia:
• manejar con soltura los conocimientos de programación, cálculo vectorial y álgebra
• Habilidades de lectura en la lengua inglesa
• Fluidez en la programación para la realización de la parte práctica de la materia
Como recomendación aconsejamos:
• asistir e intervenir en las clases de manera activa, así como en el resto de las actividades interactivas (seminarios, prácticas, tutorías de aula).
• Tratar de llevar el estudio de la materia al día.
• Realizar unas buenas prácticas y esforzarse en los trabajos que decida llevar a cabo a lo largo del curso.
• Utilizar las notas y la bibliografía aconsejada por el profesor en cada bloque temático.
La materia dispone de un aula en el Campus Virtual de la USC: http://www.usc.es/campusvirtual. En ella, el estudiante, podrá encontrar todo el material necesario y realizará las pruebas test de cada uno de los temas. Todas las entregas de las prácticas y del proyecto final se realizarán a través de esta plataforma.
Xose Ramon Fernandez Vidal
Coordinador/a- Department
- Applied Physics
- Area
- Applied Physics
- Phone
- 881816428
- xose.vidal [at] usc.es
- Category
- Professor: University Lecturer
| Friday | |||
|---|---|---|---|
| 09:00-11:00 | Grupo /CLE_01 | Galician | Classroom 6 (Lecture room 2) |