Última actualización: 09/05/2018


Curso Académico: 2019/2020

Visión por Ordenador
(12995)
Titulación: Máster Universitario en Técnicas Avanzadas en Comunicaciones (278)
Escuela de Ingeniería y Ciencias Básicas


Coordinador/a: GONZALEZ DIAZ, IVAN

Departamento asignado a la asignatura: Departamento de Teoría de la Señal y Comunicaciones

Tipo: Optativa
Créditos: 6.0 ECTS

Curso:
Cuatrimestre:




Materias que se recomienda haber superado
Tratamiento Digital de Imagen, Procesado de Vídeo o similar.
Competencias que adquiere el estudiante y resultados del aprendizaje.
El objetivo de esta asignatura es que el alumno adquiera conocimientos de Visión por Ordenador (Computer Vision), un subcampo de la inteligencia artificial que conjuga técnicas de diversos campos como el procesado de imagen, el reconocimiento de patrones o el aprendizaje estadístico. Para ello, el curso comenzará revisitando el ámbito tradicional de procesado de imagen para después estudiar métodos modernos que permitan adquirir, procesar, analizar y entender de una forma automática el contenido de las imágenes. Para ello, y tomando como referencia el sistema visual humano, se organizará la cadena de procesamiento en tres niveles: 1.- Visión de bajo nivel: trabajando con los píxeles 2.- Visión de medio nivel: de píxeles a segmentos, de vectores de movimiento a trayectorias de los objetos. 3.- Visión de alto nivel: entendiendo el contenido de las imágenes.
Descripción de contenidos: Programa
El programa consta de los siguientes temas: 1.- Introducción a la Visión por Ordenador 2.- Formación y modelos de imágenes 3.- Procesado de Imagen básico 4.- Detección y correspondencia entre descriptores visuales 5.- Estimación densa y parametrización del movimiento. 6.- Modelos geométricos de cámara y visión estereoscópica 7.- Segmentación de Imágenes 8.- Seguimiento de objetos 9.- Recuperación de imágenes 10.- Clasificación de Imágenes y Detección de Objetos
Actividades formativas, metodología a utilizar y régimen de tutorías
Durante la asignatura se combinarán clases teóricas con sesiones de laboratorio donde se experimentará con los técnicas vistas en la teoría y se aplicarán las mismas a problemas de interés.
Sistema de evaluación
  • Peso porcentual del Examen Final 0
  • Peso porcentual del resto de la evaluación 100
Bibliografía básica
  • Forsyth, Ponce. Computer Vision: A Modern Approach. Pearson. 2012
  • Ian Goodfellow, Yoshua Bengio, Aaron Courville. Deep Learning. The MIT Press, Cambrigde, Massachussetts, London, England. 2016
  • Richard Hartley & Andrew Zisserman. Multiple View Geometry in Computer Vision. Cambridge University Press. 2003
  • Richard Szeliski. Computer Vision: Algorithms and Applications. Springer-Verlag. 2011

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