Última actualización: 16/05/2022


Curso Académico: 2022/2023

Sistemas de Percepción
(14050)
Titulación: Grado en Ingeniería Electrónica Industrial y Automática (223)


Coordinador/a: ESCALERA HUESO, ARTURO DE LA

Departamento asignado a la asignatura: Departamento de Ingeniería de Sistemas y Automática

Tipo: Optativa
Créditos: 6.0 ECTS

Curso:
Cuatrimestre:




Objetivos
Al terminar con éxito esta asignatura, los estudiantes serán capaces de: 1. Tener un conocimiento adecuado de su rama de ingeniería que incluya algún conocimiento a la vanguardia de su campo en sistemas de percepción 2. Aplicar su conocimiento y comprensión de sistemas de percepción para identificar, formular y resolver problemas de ingeniería utilizando métodos establecidos. 3. Aplicar sus conocimientos para desarrollar y llevar a cabo diseños que cumplan unos requisitos específicos 4. Tener comprensión de los diferentes métodos y la capacidad para utilizarlos. 5. Seleccionar y utilizar equipos, herramientas y métodos adecuados 6. Combinar la teoría y la práctica para resolver problemas de sistemas de percepción 7. Tener comprensión de métodos y técnicas aplicables en el ámbito de sistemas de percepción y sus limitaciones.
Competencias y resultados del aprendizaje
Descripción de contenidos: Programa
1.- Introducción a la Visión por Computador. 1.1. Definiciones. 1.2. Desarrollo histórico 1.3. Etapas 1.4. Visión humana 1.5. Aplicaciones 2.- Imágenes digitales. 2.1. Muestreo espacial, niveles de gris. 2.2. Relaciones entre pixeles: vecindad, conectividad, distancia. 2.3. Operaciones aritméticas y lógicas. 2.4. Color. 3.- Procesamiento de imágenes. 3.1. Contraste 3.2. Eliminación de ruido 3.3. Realce de bordes de la imagen 3.4. Detección de bordes. 4.- Segmentación de imágenes. 4.1. Umbralización y etiquetado. 4.2. Crecimiento de regiones. 4.2. Split&Merge. 4.3. Mean-Shift 5.- Transformaciones morfológicas y descripción de objetos. 5.1. Transformaciones morfológicas en imágenes binarias 5.2. Transformaciones morfológicas en niveles de gris 5.3. Características de la región. 5.4. Características de la forma. 6.- Reconocimiento de objetos. 6.1. Conceptos previos. 6.2. El clasificador bayesiano. 6.3. Agrupamiento. 7. Redes de neuronas 7.1 Introducción 7.2 Redes neuronales 7. 3 Función de pérdida, descenso de gradiente y retro-propagación 8. Aprendizaje profundo. 8.1 Introducción 8.2 Redes de neuronas convolucionales 9. Arquitecturas 9.1. Clasificadores 9.2 Detectores de objetos 9.3 Segmentación semántica. 10. Técnicas adicionales. 10.1 Variaciones al descenso de gradiente. 10.2 Inicialización 10.3 Regularización.
Actividades formativas, metodología a utilizar y régimen de tutorías
Las actividades formativas y metodología son: - Clases magistrales, clases de resolución de dudas en grupos reducidos, presentaciones de los alumnos, tutorías individuales y trabajo personal del alumno; orientados a la adquisición de conocimientos teóricos (3 créditos ECTS). - Prácticas de laboratorio y clases de problemas en grupos reducidos, tutorías individuales y trabajo personal del alumno; orientados a la adquisición de habilidades prácticas relacionadas con el programa de la asignatura (3 créditos ECTS).
Sistema de evaluación
  • Peso porcentual del Examen Final 0
  • Peso porcentual del resto de la evaluación 100
Calendario de Evaluación Continua
Bibliografía básica
  • Arturo de la Escalera. Visión por computador: fundamentos y métodos. Prentice Hall. 2001
  • Editado por: Alegre Gutiérrez, Enrique; Pajares Martinsanz, Gonzalo; de la Escalera Hueso, Arturo. . Conceptos y métodos en Visión por Computador. Comité Español de Automática. 2017
  • GONZALEZ, R. Digital image processing. Addison-Wesley.
  • Ian Goodfellow and Yoshua Bengio and Aaron Courville. Deep Learning. MIT Press. 2016
Recursos electrónicosRecursos Electrónicos *
Bibliografía complementaria
  • Gary Bradski, Adrian Kaehler. Learning OpenCV: Computer Vision with the OpenCV Library. O'Reilly Media. 2008
(*) El acceso a algunos recursos electrónicos puede estar restringido a los miembros de la comunidad universitaria mediante su validación en campus global. Si esta fuera de la Universidad, establezca una VPN


El programa de la asignatura podría sufrir alguna variación por causa de fuerza mayor debidamente justificada o por eventos académicos comunicados con antelación.