Última actualización: 06/05/2019


Curso Académico: 2019/2020

Visión por Ordenador
(18064)
Titulación: Máster Universitario en Ingeniería de la información para la salud (359)
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
Aprendizaje automático Tratamiento estadístico de señales Tratamiento de imágenes biomédicas Aprendizaje profundo
Competencias que adquiere el estudiante y resultados del aprendizaje.
Competencias Básicas CB6 Poseer y comprender conocimientos que aporten una base u oportunidad de ser originales en el desarrollo y/o aplicación de ideas, a menudo en un contexto de investigación. CB7 Que los estudiantes sepan aplicar los conocimientos adquiridos y su capacidad de resolución de problemas en entornos nuevos o poco conocidos dentro de contextos más amplios (o multidisciplinares) relacionados con su área de estudio. CB8 Que los estudiantes sean capaces de integrar conocimientos y enfrentarse a la complejidad de formular juicios a partir de una información que, siendo incompleta o limitada, incluya reflexiones sobre las responsabilidades sociales y éticas vinculadas a la aplicación de sus conocimientos y juicios. CB9 Que los estudiantes sepan comunicar sus conclusiones y los conocimientos y razones últimas que las sustentan a públicos especializados y no especializados de un modo claro y sin ambigüedades. CB10 Que los estudiantes posean las habilidades de aprendizaje que les permitan continuar estudiando de un modo que habrá de ser en gran medida autodirigido o autónomo. Competencias generales: CG2 Capacidad para aplicar los conocimientos de las habilidades y métodos de investigación relacionados con las Ingenierías. CG3 Capacidad para aplicar los conocimientos de las habilidades y métodos de investigación relacionados con las Ciencias de la Vida. CG4 Capacidad para contribuir a la ampliación de las fronteras del conocimiento a través de una investigación original, parte de la cual merezca la publicación referenciada a nivel internacional. CG5 Habilidad para realizar un análisis crítico y de evaluación y síntesis de ideas nuevas y complejas. CG6 Habilidad para comunicarse con la comunidad académica y científica y con la sociedad en general acerca de sus ámbitos de conocimiento en los modos e idiomas de uso habitual en su comunidad científica internacional. Competencias específicas: CE6 Habilidad para comprender el fundamento de las principales tecnologías involucradas en los sistemas de imagen biomédica. CE7 Capacidad para abordar un problema biomédico desde una perspectiva de ingeniería basada en el adquisición y tratamiento de imágenes biomédicas.
Descripción de contenidos: Programa
Bloque 1: Formación de Imágenes Tema 1: Luz y color. Tema 2: Modelos geométricos y calibración de cámaras Bloque 2: Visión de bajo nivel Tema 3: Descriptores locales e invariantes. Tema 4: Estimación de movimiento y flujo óptico. Tema 5: Visión estereoscópica y estructura por movimiento. Bloque 3: Visión de medio nivel Tema 6: Seguimiento de objectos en vídeo Tema 7: Registro de imágenes: rígido y deformable Tema 8: Estimación de superficies Bloque 4: Visión de alto nivel Tema 9: Reconocimiento de objetos y clasificación de imágenes con Redes Neuronales Convolucionales Tema 10: Otras aplicaciones del Aprendizaje Profundo en imágenes: detección de objetos, segmentación de imágenes, matching entre imágenes, etc.
Actividades formativas, metodología a utilizar y régimen de tutorías
AF3 Clases teórico prácticas: AF4 Prácticas de laboratorio AF5 Tutorías AF6 Trabajo en grupo AF7 Trabajo individual del estudiante AF8 Exámenes parciales y finales Código actividad Nº Horas totales Nº Horas Presenciales% Presencialidad Estudiante AF3 30 30 100% AF4 12 12 100% AF5 6 0 0% AF6 120 0 0% AF7 248 0 0% AF8 16 16 100% TOTAL MATERIA 600 184 30,66%
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.