Cr茅ditos ECTS
Cr茅ditos ECTS: 3
Horas ECTS Criterios/Memorias
Horas de Tutor铆as: 1
Clase Expositiva: 10
Clase Interactiva: 11
Total: 22
Lenguas de uso
滨苍驳濒茅蝉
Tipo:
Materia Ordinaria 惭谩蝉迟别谤 RD 1393/2007 - 822/2021
Departamentos:
Electr贸nica y Computaci贸n
脕谤别补蝉:
Ciencia de la Computaci贸n e Inteligencia Artificial, Lenguajes y Sistemas Inform谩ticos
Centro
Escuela T茅cnica Superior de Ingenier铆a
Convocatoria:
Primer semestre
Docencia:
Con docencia
惭补迟谤铆肠耻濒补:
Matriculable
| 1ro curso (Si)
El objetivo principal de esta asignatura obligatoria es establecer las bases que conllevan los diferentes procesos para la interpretaci贸n de im谩genes (formaci贸n de imagen, preprocesado, segmentaci贸n y detecci贸n de caracter铆sticas) para que el alumnado tenga los conocimientos m铆nimos necesarios para la aplicaci贸n de distintas t茅cnicas de IA en la visi贸n por computador. Adem谩s del estudio y la aplicaci贸n de t茅cnicas fundamentales, se estudiar谩n aplicaciones pr谩cticas de estas t茅cnicas para resolver problemas reales. Esta asignatura aporta las herramientas necesarias para aplicar los algoritmos utilizados en casos pr谩cticos, adem谩s de las bases para desarrollar nuevos algoritmos y continuar con el estudio de m茅todos m谩s avanzados.
Tema 1. Introducci贸n a la Visi贸n por Computador: Radiaci贸n electromagn茅tica, espectro visible y visi贸n. Breve historia de un campo interdisciplinario.
Tema 2. Im谩genes digitales: Espacio de color. Muestreo y cuantificaci贸n de im谩genes. Histograma de imagen. Modelos de c谩mara. Transformaciones geom茅tricas.
Tema 3. Procesado de Im谩genes: Transformaciones a nivel de p铆xel. Transformaciones locales. Pir谩mides de imagen.
Tema 4. Detecci贸n de bordes: Primera derivada y gradientes de imagen. Detector de borde astuto. Operador de segunda derivada. Detector de bordes Marr-Hildreth. Transformada Hough.
Tema 5. Segmentaci贸n de im谩genes: segmentaci贸n basada en histogramas, cl煤steres, y en crecimiento y uni贸n de regiones. Etiquetado. Transformaciones morfol贸gicas.
Tema 6. Descriptores de caracter铆sticas. Medidas invariantes. SIFT (Scale Invariant Feature Transform).
Tema 7. Correspondencia de imagenes: detector de esquinas, detector de blobs, algoritmos de correspondencia.
Bibliograf铆a b谩sica:
-Richard Szeliski. Computer Vision: Algorithms and Applications. ISBN: 978-3030343712.
Bibliograf铆a complementaria:
-Gonzalez & Woods. Digital image processing. ISBN: 0-20-118075-8.
-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.
-叠谩蝉颈肠补蝉:
CB6 - Poseer y comprender conocimientos que aporten una base u oportunidad de ser originales en el desarrollo y/o aplicaci贸n de
ideas, a menudo en un contexto de investigaci贸n
CB7 - Que los estudiantes sepan aplicar los conocimientos adquiridos y su capacidad de resoluci贸n de problemas en entornos
nuevos o poco conocidos dentro de contextos m谩s amplios (o multidisciplinares) relacionados con su 谩rea de estudio
CB10 - Que los estudiantes posean las habilidades de aprendizaje que les permitan continuar estudiando de un modo que habr谩 de
ser en gran medida autodirigido o aut贸nomo.
-Generales:
CG1 - Mantener y extender planteamientos te贸ricos fundados para permitir la introducci贸n y explotaci贸n de tecnolog铆as nuevas y avanzadas en el campo de la Inteligencia Artificial.
CG3 - Buscar y seleccionar la informaci贸n 煤til necesaria para resolver problemas complejos, manejando con soltura las fuentes bibliogr谩ficas del campo.
CG5 - Trabajar en equipo, especialmente de car谩cter multidisciplinar, y ser h谩biles en la gesti贸n del tiempo, personas y toma de decisiones.
-Transversales:
CT3 - Utilizar las herramientas b谩sicas de las tecnolog铆as de la informaci贸n y las comunicaciones (TIC) necesarias para el ejercicio de su profesi贸n y para el aprendizaje a lo largo de su vida.
CT4 - Desarrollarse para el ejercicio de una ciudadan铆a respetuosa con la cultura democr谩tica, los derechos humanos y la perspectiva de g茅nero.
CT8 - Valorar la importancia que tiene la investigaci贸n, la innovaci贸n y el desarrollo tecnol贸gico en el avance socioecon贸mico y cultural de la sociedad.
-贰蝉辫别肠铆蹿颈肠补蝉:
CE23.- Comprensi贸n y dominio de los conceptos b谩sicos y t茅cnicas de procesamiento de imagen digital.
CE24.- Capacidad de aplicaci贸n de diferentes t茅cnicas a problemas de visi贸n por computador.
CE25.- Conocimientos y habilidades que permitan dise帽ar sistemas para detecci贸n, clasificaci贸n y seguimiento de objetos en im谩genes y video.
CE26.- Comprensi贸n y dominio sobre las formas de representaci贸n de las se帽ales e im谩genes en funci贸n de sus datos, as铆 como sus caracter铆sticas fundamentales y sus formas de representaci贸n.
-M茅todo expositivo / lecci贸n magistral: el profesorado presenta un tema al alumnado con el objetivo de facilitar un conjunto de informaci贸n con alcance concreto.
-Pr谩cticas de laboratorio: el profesorado de la materia plantea al alumnado un problema o problemas de car谩cter pr谩ctico cuya resoluci贸n requiere la comprensi贸n y aplicaci贸n de los contenidos te贸rico-pr谩cticos incluidos en los contenidos de la materia. El alumnado puede trabajar la soluci贸n a los problemas planteados de forma individual o en grupos.
-Aprendizaje por proyectos: se plantea al alumnado proyectos pr谩cticos cuyo alcance requiere que se le dedique un parte importante de la dedicaci贸n total del alumno a la asignatura. Adem谩s, por el alcance de los trabajos a realizar, se requiere no s贸lo que el alumnado aplique competencias de gesti贸n adem谩s de competencias de 铆ndole t茅cnica.
-Trabajo aut贸nomo: el profesorado plantea al alumnado un trabajo cuyo alcance y objetivos requieren que sea trabajado por los alumnos de forma aut贸noma, aunque con la tutela del profesorado de la asignatura. En general, se aplica a trabajos con un alcance temporal y de esfuerzo superior al de las pr谩cticas de laboratorio.
-Tutor铆as: el profesorado atender谩 al alumnado en sesiones de tutor铆as individualizadas dedicadas a la orientaci贸n en el estudio y la resoluci贸n de dudas sobre los contenidos y trabajos de la asignatura.
Las competencias CE23, CE24, CE25 y CE26 tienen asociados contenidos te贸ricos y pr谩cticos espec铆ficos, que ser谩n evaluados de forma expl铆cita a lo largo del curso.
El trabajo de las competencias CG1, CG3, CG5, CB6, CB7 y CB10 se realiza principalmente a trav茅s del an谩lisis y la discusi贸n en grupo de los trabajos del estado del arte.
Las competencias CT3, CT4, CT8 se trabajan especialmente en proyectos de grupo.
La evaluaci贸n de lo/as estudiantes servir谩 para valorar la eficacia de las metodolog铆as docentes desarrolladas en el cumplimiento de los objetivos de la asignatura.
La evaluaci贸n de la asignatura consta de dos partes:
路 40%: La parte relativa a la presentaci贸n de las sesiones magistrales se evaluar谩 mediante pruebas escritas que evaluar谩n la adecuaci贸n de las soluciones propuestas a los problemas, la calidad de los resultados obtenidos y la comprensi贸n de las t茅cnicas utilizadas.
路 60%: Evaluaci贸n continua de las pr谩cticas de laboratorio y/o resoluci贸n de casos pr谩cticos. Se valorar谩 la adecuaci贸n de las soluciones propuestas a los problemas, la calidad de los resultados obtenidos y la comprensi贸n de las t茅cnicas utilizadas.
Todas las notas de tareas y ex谩menes se conservar谩n hasta la segunda oportunidad. All铆 los alumnos podr谩n repetir algunas de las actividades de evaluaci贸n. La nota final ser谩 la que se calcule teniendo en cuenta las notas m谩ximas entre las actividades correspondientes en ambas oportunidades.
Un estudiante ser谩 clasificado como No Presentado si no presenta ning煤n ejercicio de evaluaci贸n o toma alguna prueba en alguna de las oportunidades.
Para los casos de realizaci贸n fraudulenta de ejercicios o pruebas, se estar谩 a lo dispuesto en el Reglamento para la evaluaci贸n del rendimiento acad茅mico de los estudiantes y la revisi贸n de calificaciones.
En aplicaci贸n del Reglamento de la ETSE sobre plagio (aprobado por Xunta de la ETSE el 19/12/2019) la copia total o parcial de cualquier ejercicio de pr谩ctica o teor铆a supondr谩 una suspensi贸n en ambas ocasiones de la asignatura, con una calificaci贸n de 0, 0 en ambos casos.
Esta asignatura tiene 3 cr茅ditos ECTS, correspondientes a una carga horaria total de 75 horas, distribuidas de la siguiente manera:
TRABAJO PRESENCIAL EN EL AULA:
* Clases magistrales: 10 horas
* Pr谩cticas de laboratorio: 7 horas
* Estudio de casod y proyecto: 4 horas
Horas totales de trabajo en el aula: 21 horas
TRABAJO PERSONAL DEL ESTUDIANTE:
* Estudio aut贸nomo: 10 horas
* Pr谩cticas de laboratorio: 21 horas
Horas totales de trabajo personal: 54 horas
Se recomienda llevar al d铆a el estudio de la teor铆a, la realizaci贸n de pr谩cticas y la resoluci贸n de problemas. Igualmente consideramos importante hacer un buen aprovechamiento de las tutor铆as para la discusi贸n sobre problemas pr谩cticos y como v铆a de resoluci贸n inmediata de dudas.
La docencia se va a impartir prioritariamente en ingl茅s y se har谩 uso intensivo del aula virtual.
Maria Jose Carreira Nouche
- Departamento
- Electr贸nica y Computaci贸n
- 脕谤别补
- Ciencia de la Computaci贸n e Inteligencia Artificial
- 罢别濒茅蹿辞苍辞
- 881816431
- Correo electr贸nico
- mariajose.carreira [at] usc.es
- 颁补迟别驳辞谤铆补
- Profesor/a: Catedr谩tico/a de Universidad
Xos茅 Manuel Pardo L贸pez
Coordinador/a- Departamento
- Electr贸nica y Computaci贸n
- 脕谤别补
- Lenguajes y Sistemas Inform谩ticos
- 罢别濒茅蹿辞苍辞
- 881816438
- Correo electr贸nico
- xose.pardo [at] usc.es
- 颁补迟别驳辞谤铆补
- Profesor/a: Titular de Universidad
Marta Nu帽ez Garcia
- Departamento
- Electr贸nica y Computaci贸n
- 脕谤别补
- Ciencia de la Computaci贸n e Inteligencia Artificial
- Correo electr贸nico
- martanunez.garcia [at] usc.es
- 颁补迟别驳辞谤铆补
- Investigador/a: Ram贸n y Cajal
| Martes | |||
|---|---|---|---|
| 15:30-17:00 | Grupo /CLE_01 | 滨苍驳濒茅蝉 | IA.02 |
| 惭颈茅谤肠辞濒别蝉 | |||
| 15:30-17:00 | Grupo /CLIL_01 | 滨苍驳濒茅蝉 | IA.02 |
| 15.01.2025 16:00-20:00 | Grupo /CLE_01 | IA.02 |
| 15.01.2025 16:00-20:00 | Grupo /CLIL_01 | IA.02 |
| 25.06.2025 16:00-20:00 | Grupo /CLIL_01 | IA.02 |
| 25.06.2025 16:00-20:00 | Grupo /CLE_01 | IA.02 |