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, Linguaxes e Sistemas Informáticos, Área externa Máster en Visión por Computador / Computer Vision
Centro Escola Técnica Superior de Enxeñaría
Convocatoria: Segundo semestre
Docencia: Con docencia
Matrícula: Matriculable | 1ro curso (Si)
As tarefas de recoñecemento visual van desde a detección de obxectos en imaxes e vídeos, a clasificación de obxectos e o recoñecemento de instancias, ata o recoñecemento de accións humanas. No curso realizaremos un estudo das primeiras tarefas, xa que o recoñecemento de accións é o tema principal da materia Recoñecmento de Acción Humanas.
O obxectivo é que o alumnado adquira coñecementos e habilidades que lles permitan deseñar sistemas de detección de movemento de vídeo, segmentación e rastreamento baseados en movementos, clasificación e detección de obxectos en imaxes e vídeo, así como rastrexo visual de obxectos.
*PARTE 1 U.Porto:
-------------------------
1-Introdución á análise de vídeo.
Percepción de movemento
Imaxes multidimensionais e secuencias de imaxes
Mostraxe espacio-temporal de imaxe temporal
Movemento borroso e filtrado espacio-temporal
2-Detección e estimación de movemento.
Aliñación e rexistro de imaxes
Estimación de movemento xerárquico e denso
Pirámides discretas de imaxe
Cálculo de fluxo óptico baseado en intensidade, enerxía e fase
3-Segmentación de movemento e seguimento.
Movemento paramétrico, movemento baseado en Spline, movemento en capas
Seguimento tradicional de movemento: filtros Kalman, filtros de partículas
*PARTE 2 USC:
--------------------
4-Extracción de características e correspondencia invariantes.
Detector de esquina e blobs
Descriptores baseados en gradentes
Descritores binarios
Coincidencia invariante
5-Métodos clásicos de clasificación de imaxe e detección de obxectos.
Bolsas de palabras visuais
Aproximacións da xanela deslizante
Modelos baseados en partes deformables
6-Métodos de clasificación, detección de obxectos, segmentación e seguimento baseados na aprendizaxe profunda.
Redes Neuronais Convolucionais para detección de obxectos.
Redes Neuronais Convolucionais para detección de obxectos e segmentación.
Métodos baseados en Deep learning para seguimento visual.
O programa inclúe os temas maís actuais transversais a varios dominios de aplicación.
Básica:
En xeral, as referencias básicas e complementaria estarán compostas por artigos que serán entregados polo profesorado.
Complementaria:
Szeliski, Richard. “Computer Vision: Algorithms and Applications”. Springer. 1st Edition, 2010. ISBN 978-1-84882-934-3.
http://szeliski.org/Book/drafts/SzeliskiBook_20100903_draft.pdf.
Md. Atiqur Rahman Ahad. Computer Vision and Action Recognition: A Guide for Image Processing and Computer Vision Community for Action Understanding. Atlantis Press; 2011 edition. ISBN 978-9491216190.
Boguslaw Cyganek. Object Detection and Recognition in Digital Images: Theory and Practice. John Wiley & Sons, Ltd. 2013. ISBN: 978-1-118-61836-3.
Traballaranse especialmente as competencias específicas (CE) que se enumeran a continuación e, en diferente medida, segundo as características da materia, as seguintes competencias escollidas entre as xerais do título (CG), as transversais (CT) e as de formación básica. (CB):
Básico:
CB8: Que os estudantes sexan capaces de integrar coñecementos e afrontar a complexidade de formular xuízos baseados en información que, sendo incompleta ou limitada, inclúe reflexións sobre as responsabilidades sociais e éticas relacionadas coa aplicación dos seus coñecementos e xuízos.
CB10: Que os estudantes posúan as habilidades de aprendizaxe que lles permitan seguir estudando dun xeito que terá que ser en gran medida autodirixido ou autónomo.
Transversal:
CT3: Desenvolvemento do espírito innovador e emprendedor.
Xeral:
CG1: Capacidade de análise e síntese de coñecemento.
CG7: capacidade de aprendizaxe autónoma para a especialización nun ou máis campos de estudo.
Específico:
CE1: Coñecer e aplicar os conceptos, metodoloxías e tecnoloxías do procesamento de imaxes.
CE2: Coñecer e aplicar técnicas de aprendizaxe automática e recoñecemento de patróns aplicados á visión da computadora.
CE3: Coñecer e aplicar os conceptos, metodoloxías e tecnoloxías de análise de imaxes e vídeos.
CE5: Analizar e aplicar métodos de última xeración na visión da computadora.
CE9: Coñecer e aplicar os conceptos, metodoloxías e tecnoloxías para o recoñecemento de patróns visuais en escenas reais.
O desenvolvemento das clases terá lugar harmonizando as metodoloxías da ensinanza cos obxectivos fundamentais da materia. Esta será unha materia de exposición e aplicación, onde os estudantes aprenderán non só por que, senón tamén como implementar, avaliar e decidir.
A subministración de información e coñecementos científicos previstos nos obxectivos desenvolverase ao comezo de cada asunto a tratar, onde se establecerá a relación con outras temáticas xa tratadas en clases anteriores ou noutras materias. Nestas sesións pretendemos desenvolver as habilidades dos estudantes e concienciar sobre a importancia dos temas tratados no contexto real actual, contribuíndo a un mellor marco e tamén máis fácil percibir os obxectivos que se pretenden acadar.
Dado o carácter práctico das materias a tratar, presentaranse e proporanse varios exercicios e casos prácticos, resultantes dun traballo de investigación desenvolvido. Os alumnos aprenderán facendo, reflexionando e tomando decisións sobre os problemas e alternativas propostas, mellorando as súas habilidades nos temas analizados.
Trataremos de estimular un proceso de diálogo no que todos participen, a través da súa propia experiencia e coñecemento. Así, compartiranse coñecementos, dúbidas e preguntas para beneficiar a aprendizaxe dos alumnos e provocar unha maior motivación. Procurarase, esencialmente, garantir o desenvolvemento das habilidades para "aplicar en diferentes contextos" os coñecementos adquiridos, baixo a influencia de diferentes factores e variables.
O traballo práctico en grupo requirido polos estudantes contribuirá de xeito importante á consecución dos obxectivos definidos para a materia, proporcionando a comprensión e aplicación dos temas obxecto de estudo, así como amosar os beneficios dos proxectos de visión informática sobre a eficiencia das empresas. Isto permitirá identificar os diferentes recursos e compoñentes dun proxecto, as súas relacións internas e externas, así como usar de forma xeral e integrada os conceptos e metodoloxías abranguidos ao longo deste e doutras unidades curriculares.
A realización de traballos prácticos tamén terá as vantaxes de compartir coñecemento entre os membros do grupo, buscando información externa e, polo tanto, o contacto coa realidade. A súa posterior presentación e defensa, así como a análise dun proxecto levado a cabo por outro grupo da clase, contribuirán decisivamente ao reforzo da capacidade de análise que se considere esencial para o logro dos obxectivos desta materia.
As competencias CE1, CE2, CE3 e CE5 teñen contidos teóricos e prácticos específicos asociados, que serán avaliados de forma explícita ao longo do curso.
O traballo das competencias CG1, CG7, CB8 e CB10 realízase principalmente a través da análise e a discusión en grupo dos traballos do estado da técnica.
As competencias CT3 traballanse especialmente en proxectos de grupo.
A avaliación dos estudantes servirá para avaliar a eficacia das metodoloxías de ensino desenvolvidas en cumprimento dos obxectivos da materia.
Ver Plan de Continxencia para os escenarios alternativos (distanciamento, peche de instalacións).
A avaliación da materia consta de tres partes:
60%: A parte relacionada coa presentación das sesións maxistrais avaliarase mediante unha proba escrita 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 competencias CE1, CE2, CE3 e CE3 principalmente.
30%: Resolución de 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 o CT3, ademais das competencias específicas.
10%: artigo de análise e estado da arte en recoñecemento visual.
Úsase para avaliar as competencias CG1, CG7, CB8 e CB10 principalmente.
O resultado final (RF) obterase coa fórmula: RF = 0,6 A + 0,3 B + 0,1 C
Para os casos de realización fraudulenta de exercicios ou probas será de aplicación o recollido na Normativa de avaliación do rendemento académico do/as estudantes e de revisión de 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.
Ver Plan de Continxencia para os escenarios alternativos (distanciamento, peche de instalacións).
O tempo de estudo medio recomendable é de 2 horas semanais. Adicionalmente, deberá contarse o tempo dedicado á realización de traballos de prácticas que estimamos en 6.5 h./semana máis. En total suman arredor de 120h/semestre.
Recoméndase levar o estudo da materia ao día e o uso das titorías para aclarar dúbidas e recibir asesoramento no desenvolvemento das actividades.
O campus virtual da UPorto e da USC utilizarase para cada unha das partes.
A materia impartirase en inglés.
Plan de continxencia:
No caso de que a situación sanitaria aconselle establecer un Escenario 2 (distanciamento):
1) todas as clases expositivas serán impartidas en liña (de xeito sincrónico por Microsoft Teams ou de xeito asincrónico mediante a publicación de vídeos gravados polo profesorado),
2) As clases interactivas impartiranse de xeito presencial nunha aula de informática,
3) o peso das distintas partes da materia e os requisitos para superalo permanecerán sen cambios,
4) A proba final farase de xeito presencial.
No caso de que a situación sanitaria aconselle establecer un Escenario 3 (peche das instalacións):
1) todas as clases expositivas serán impartidas en liña (de xeito sincrónico por Microsoft Teams ou de xeito asincrónico mediante a publicación de vídeos gravados polo profesorado),
2) todas as clases interactivas serán impartidas en liña (de xeito sincrónico por Microsoft Teams ou de xeito asíncrono mediante a publicación de vídeos gravados por profesores),
3) o peso das distintas partes da materia e os requisitos para superalo permanecerán sen cambios,
4) A proba final farase de xeito persoal, empregando Microsoft Teams e as ferramentas da aula virtual de Moodle.
Xosé Manuel Pardo López
- Departamento
- Electrónica e Computación
- Área
- Linguaxes e Sistemas Informáticos
- Teléfono
- 881816438
- Correo electrónico
- xose.pardo [at] usc.es
- Categoría
- Profesor/a: Titular de Universidade
Manuel Felipe Mucientes Molina
Coordinador/a- Departamento
- Electrónica e Computación
- Área
- Ciencia da Computación e Intelixencia Artificial
- Teléfono
- 881816434
- Correo electrónico
- manuel.mucientes [at] usc.es
- Categoría
- Profesor/a: Profesor Contratado/a Doutor
| Mércores | |||
|---|---|---|---|
| 15:00-18:00 | Grupo /CLE_01_inglés | Inglés | Aula A6 |
| 09.06.2021 15:00-18:00 | Grupo /CLIL_01_inglés | Aula A6 |
| 09.06.2021 15:00-18:00 | Grupo /CLE_01_inglés | Aula A6 |
| 14.07.2021 16:00-18:00 | Grupo /CLE_01_inglés | Aula A5 |
| 14.07.2021 16:00-18:00 | Grupo /CLIL_01_inglés | Aula A5 |