Visión por computador

Comprender los conceptos básicos del procesado digital de imágenes, las diferentes técnicas disponibles y su ámbito de aplicación.

Una vez superada la asignatura, el/la estudiante:

- Comprenderá los conceptos básicos del procesado digital de imágenes.
- Sabrá implementar y aplicar los algoritmos y técnicas fundamentales para el procesamiento, análisis e interpretación de imágenes digitales.
- Desarrollará la capacidad de aplicar la herramienta de visión por computador más adecuada a problemas reales.

1. Formación de imágenes
2. Procesamiento básico de imágenes
3. Detectores de bordes, esquinas y blobs
4. Visión estéreo y reconstrucción
5. Detección de objetos
6. Segmentación de imágenes

BÁSICA

- Richard Szeliski, Computer Vision: Algorithms and Applications, Springer, 2010.
- Rafael C. González y Richard E. Woods, Digital Image Processing, Pearson, 4ª ed., 2018.

COMPLEMENTARIA

- Gary Bradski y Adrian Kaehler, Learning OpenCV 4, O’Reilly, 2019.
- Simon Prince, Computer Vision: Models, Learning, and Inference, Cambridge University Press, 2012.

BÁSICAS Y GENERALES

- CB2: Que los estudiantes sepan aplicar sus conocimientos a su trabajo o vocación de una forma profesional y posean las competencias que suelen demostrarse mediante la elaboración y defensa de argumentos y la resolución de problemas dentro de su área de estudio.
- CB4: Que los estudiantes puedan transmitir información, ideas, problemas y soluciones a un público tanto especializado como no especializado.
- CG4: Capacidad para seleccionar y justificar los métodos y técnicas adecuados para resolver un problema concreto, o para desarrollar y proponer nuevos métodos basados en inteligencia artificial.
- CG5: Capacidad para concebir nuevos sistemas computacionales y/o evaluar el rendimiento de sistemas existentes que integren modelos y técnicas de inteligencia artificial.

TRANSVERSALES

- TR1: Capacidad para comunicar y transmitir sus conocimientos, habilidades y destrezas.
- TR3: Capacidad para crear nuevos modelos y soluciones de forma autónoma y creativa, adaptándose a nuevas situaciones. Iniciativa y espíritu emprendedor.
- TR5: Capacidad para desarrollar modelos, técnicas y soluciones basadas en inteligencia artificial que resulten éticas, no discriminatorias y confiables.

ESPECÍFICAS

- CE12: Conocer los fundamentos de los algoritmos y modelos de la inteligencia artificial para la resolución de problemas de cierta complejidad, entender su complejidad computacional y tener capacidad para diseñar nuevos modelos.

La dinámica docente de la asignatura combinará el trabajo individual con el trabajo colaborativo, fomentando la participación activa del alumnado tanto en las clases como en las tutorías. Las sesiones teóricas y prácticas estarán orientadas al desarrollo progresivo de las competencias previstas mediante metodologías centradas en el estudiante.

Cada bloque temático será introducido por el/la profesor/a con una presentación de sus objetivos, contenidos clave y recursos recomendados. A partir de ahí, se facilitará al alumnado documentación complementaria, lecturas, ejemplos y materiales de apoyo para guiar el estudio autónomo. Estas sesiones permitirán trabajar competencias como CG4, CG5 y CE12.

A lo largo del curso, se propondrán distintas tareas que incluyen ejercicios prácticos, resolución de problemas, presentaciones orales o pequeños proyectos, que podrán realizarse de forma individual o en grupo. Estas actividades tendrán plazos de entrega o presentación previamente establecidos, que se comunicarán mediante las herramientas oficiales de comunicación de la asignatura.

En las sesiones prácticas, el alumnado podrá aplicar los conocimientos adquiridos mediante el uso de herramientas software específicas para cada bloque. A través de estas sesiones se potenciarán competencias como CB2, CB4, CG5, TR1, TR3 y CE12.

El trabajo del alumnado se realizará de forma autónoma, contando siempre con el acompañamiento y orientación del profesorado. El curso incluirá también guiones de prácticas, seminarios y otras actividades complementarias para reforzar el aprendizaje.

La evaluación considerará tanto la parte teórica (40%) como la parte práctica (60%). Para superar la asignatura deberá obtenerse una calificación global igual o superior a 5 sobre 10, de acuerdo con lo siguiente:

- Parte teórica: se evaluará en un único examen que se realizará en la fecha oficial. Es requisito imprescindible obtener una calificación igual o superior a 4 sobre 10 para superar el conjunto de la asignatura. En caso contrario, deberá repetirse en la convocatoria de recuperación.
- Parte práctica: las prácticas propuestas se corresponderán con los temas indicados en la sección de contenidos, realizándose una entrega a la finalización de cada bloque temático. La evaluación de las mismas tendrá lugar en la siguiente sesión de prácticas. Para superar la materia será necesario obtener una calificación igual o superior a 4 sobre 10 en esta parte.

Obtendrán la calificación de no presentado aquellos/as estudiantes que no se presenten al examen ni se sometan a la evaluación de ninguna otra actividad obligatoria.

Para superar la asignatura en la segunda oportunidad, el alumnado deberá someterse a la evaluación de todas aquellas partes obligatorias pendientes, de acuerdo con lo anteriormente especificado. Para el resto se conservarán las calificaciones obtenidas durante el curso.

La asistencia a clase no será obligatoria ni tendrá incidencia en la calificación, de acuerdo con lo permitido en el artículo 1 del Reglamento de asistencia a clase en las enseñanzas oficiales de grado y máster de la USC.

En aplicación de la normativa de la ETSE sobre plagio (aprobada por la Junta de la ETSE el 19/12/2019), la copia total o parcial de algún ejercicio de prácticas o teoría supondrá el suspenso de ambas oportunidades del curso, con una calificación de 0 en ambos casos.

- Tiempo de trabajo presencial: 50 horas totales, divididas en 24 horas expositivas y 26 horas interactivas.
- Tiempo de trabajo personal: 100 horas totales, divididas en 40 horas de estudio autónomo de teoría y prácticas y 60 horas de trabajos, proyectos y otras actividades.

Se recomienda haber superado las asignaturas de "Adquisición y procesado de señal", "Aprendizaje automático supervisado", "Aprendizaje automático no supervisado" y "Redes neuronales y aprendizaje profundo".

Se recomienda que los/as estudiantes resuelvan, implementen, verifiquen y validen todos los ejercicios y prácticas propuestos. Igualmente, se considera importante hacer uso de las tutorías para la resolución de dudas.

La docencia será reforzada mediante el uso del Campus Virtual, que funcionará como espacio central para el acceso a los materiales de la asignatura (presentaciones, textos, ejercicios, lecturas...), y para la comunicación con el profesorado, ya sea a través del correo electrónico, foros o tutorías en línea.

La asignatura será impartida en gallego.