Visión por computador

Comprender os conceptos básicos do procesado dixital de imaxes, as diferentes técnicas dispoñibles e o seu ámbito de aplicación.

Unha vez superada a materia, o/a estudante:

- Comprenderá os conceptos básicos do procesado dixital de imaxes.
- Saberá implementar e aplicar os algoritmos e técnicas fundamentais para o procesamento, análise e interpretación de imaxes dixitais .
- Desenvolverá a capacidade de aplicar a ferramenta de visión por computador máis adecuada a problemas reais.

1. Formación de imaxes
2. Procesamento básico de imaxes
3. Detectores de bordos, esquinas e blobs
4. Visión estéreo e reconstrución
5. Detección de obxectos
6. Segmentación de imaxes

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 E XERAIS

- CB2: Que os estudantes saiban aplicar os seus coñecementos ao seu traballo ou vocación dunha forma profesional e posúan as competencias que adoitan demostrarse por medio da elaboración e defensa de argumentos e a resolución de problemas dentro da súa área de estudo.
- CB4: Que os estudantes poidan transmitir información, ideas, problemas e solucións a un público tanto especializado como non especializado.
- CG4: capacidade para seleccionar e xustificar os métodos e técnicas adecuadas para resolver un problema concreto, ou para desenvolver e propoñer novos métodos baseados en intelixencia artificial.
- CG5 Capacidade para concibir novos sistemas computacionais e/ou avaliar o rendemento de sistemas existentes, que integren modelos e técnicas de intelixencia artificial.

TRANSVERSAIS

- TR1: Capacidade para comunicar e transmitir os seus coñecementos, habilidades e destrezas.
- TR3: Capacidade para crear novos modelos e solucións de forma autónoma e creativa, adaptándose a novas situacións. Iniciativa e espírito emprendedor.
- TR5: Capacidade para desenvolver modelos, técnicas e solucións baseadas en intelixencia artificial que resulten éticas, non discriminatorias e confiables.

ESPECÍFICAS

- CE12: Coñecer os fundamentos dos algoritmos e modelos da intelixencia artificial para a resolución de problemas de certa complexidade, entender a súa complexidade computacional e ter capacidade para deseñar novos modelos.

A dinámica docente da materia combinará o traballo individual co traballo colaborativo, fomentando a participación activa do alumnado tanto nas aulas como nas titorías. As sesións teóricas e prácticas estarán orientadas ao desenvolvemento progresivo das competencias previstas mediante metodoloxías centradas no estudante.

Cada bloque temático será introducido polo/a profesor/a cunha presentación dos seus obxectivos, contidos clave e recursos recomendados. A partir de aí, facilitarase ao alumnado documentación complementaria, lecturas, exemplos e materiais de apoio para guiar o estudo autónomo. Estas sesións permitirán traballar competencias como CG4, CG5 e CE12.

Ao longo do curso, proporanse distintas tarefas que inclúen exercicios prácticos, resolución de problemas, presentacións orais ou pequenos proxectos, que se poderán realizar de forma individual ou en grupo. Estas actividades terán prazos de entrega ou presentación previamente establecidos, que se comunicarán mediante as ferramentas oficiais de comunicación da materia.

Nas sesións prácticas, o alumnado poderá aplicar os coñecementos adquiridos mediante o uso de ferramentas software específicas para cada bloque. A través destas sesións prácticas potenciaranse competencias como CB2, CB4, CG5, TR1, TR3 e CE12.

O traballo do alumnado realizarase de forma autónoma, contando sempre co acompañamento e orientación do profesorado. O curso incluirá tamén guións de prácticas, seminarios e outras actividades complementarias para reforzar a aprendizaxe.

A avaliación considerará tanto a parte teórica (40%) como a parte práctica (60%). Para superar a materia debe obterse unha cualificación global igual ou superior a 5 sobre 10, de acordo ao seguinte:

- Parte teórica: avaliarase nun único exame a realizar na data oficial. É requisito imprescindible obter unha cualificación igual ou superior a 4 sobre 10 para superar o conxunto da materia. En caso contrario deberá repetirse na segunda oportunidade.
- Parte práctica: as prácticas propostas corresponderanse cos temas indicados na sección de contidos, realizándose unha entrega ao remate de cada bloque temático. A avaliación das mesmas terá lugar na seguinte sesión de prácticas. Para superar a materia será preciso obter unha cualificación igual ou superior a 4 sobre 10 nesta parte.

Obterán a cualificación de non presentados os/as estudantes que non se presentasen ao exame nin se someteran á avaliación de ningunha outra actividade obrigatoria.

Para superar a materia na segunda oportunidade, o alumnado deberá someterse á avaliación de todas aquelas partes obrigatorias pendentes, de acordo co anteriormente especificado. Para o resto conservaranse as cualificacións obtidas durante o curso.

A asistencia a clase non será obrigatoria nin terá incidencia na cualificación, de acordo co permitido no artigo 1 do Regulamento de asistencia a clase nas ensinanzas oficias de grao e máster da USC.

En aplicación da normativa da ETSE sobre plaxio (aprobada pola Xunta da ETSE o 19/12/2019), a copia total ou parcial dalgún exercicio de prácticas ou teoría suporá o suspenso das dúas oportunidades do curso, coa cualificación de 0 en ambos os casos.

- Tempo de traballo presencial: 50 horas totais, divididas en 24 horas expositivas e 26 horas interactivas.
- Tempo de traballo persoal: 100 horas totais, divididas en 40 horas de estudo autónomo de teoría e prácticas e 60 horas de traballos, proxectos e outras actividades.

Recoméndase ter superadas as materias "Adquisición e procesamento do sinal", "Aprendizaxe automática supervisada", "Aprendizaxe automática non supervisada" e "Redes neuronais e aprendizaxe profunda".

Recoméndase que os/as estudantes resolvan, implementen, verifiquen e validen todos os exercicios e prácticas propostos. Igualmente considérase importante facer uso das titorías para a resolución de dúbida.

A docencia será reforzada mediante o uso do Campus Virtual, que funcionará como espazo central para o acceso aos materiais da materia (presentacións, textos, exercicios, lecturas...), e para a comunicación co profesorado, ben sexa a través de correo electrónico, foros ou titorías en liña.

A materia será impartida en galego.