Teaching Guides Query



Academic Year: 2022/23

29847 - Computer Vision


Teaching Plan Information

Academic Year:
2022/23
Subject:
29847 - Computer Vision
Faculty / School:
110 - Escuela de Ingeniería y Arquitectura
326 - Escuela Universitaria Politécnica de Teruel
Degree:
440 - Bachelor's Degree in Electronic and Automatic Engineering
444 - Bachelor's Degree in Electronic and Automatic Engineering
ECTS:
6.0
Year:
4
Semester:
444 - First semester
440 - Second semester
Subject Type:
Optional
Module:
---

1. General information

1.1. Aims of the course

This Computer Vision course aims to provide the student with an overview of the digital image processing process. It begins with the description of the image acquisition theory, stopping briefly in the formation of images in human beings, to analyze in more detail the operation of optical systems and the digitization process. Students must understand the main parameters in this acquisition process, as well as the physical magnitudes associated with an image.

Next, we work on the tasks of segmentation or extraction of information from the image. For this, it is important to remember the different transformation algorithms both in the spatial domain and in the transformed domain. In addition to edge and region detection tasks, simple image enhancement and smoothing algorithms will be introduced to increase image quality before tackling the segmentation process.

From the information obtained in the segmentation process, the appropriate descriptors for a set of generic applications will be described, specifically the case of recognition of 3-D objects will be analyzed.

The methodology to be used seeks the acquisition and evaluation of competences on a continuous basis. To do this, students will work on real images acquired by them on which to apply the processes of quality improvement, segmentation and obtaining descriptors at the same time as the algorithms are explained in the lectures.

Our aims are aligned with some of The Sustainable Development Goals, SDGs https://www.un.org/sustainabledevelopment/ and some of their targets, hence, the learning results  contribute to provide competences for the students to achieve the SDGs:

  • Goal 8:Promote inclusive and sustainable economic growth, empoyement and decent work for all.
    • Target 8.2 Achieve higher levels of economic productivity through diversification, technological upgrading and innovation, including through a focus on high-value added and labour-intensive sectors

1.2. Context and importance of this course in the degree

It is a 6 ECTS optional course that is taught in the second semester of the fourth year.

The course is oriented to equip the student with the basic competences that allow him to extract information from digital images. These can be used in the design and development of electronic and control systems in industrial work environments, a key competence of the Degree of Electronic and Automatic Engineering. Furthermore, the competences associated with this subject can be applied to other fields such as medicine or security that may be of interest to new graduates.

1.3. Recommendations to take this course

This Computer Vision course requires basic knowledge of mathematics, statistics, computer programming and signal processing (bachelor level).

Active attendance at theory and laboratory sessions is strongly recommended, as well as a continuous study of the theoretical and practical contents of the subject. It is also very important to handle with ease the computer tools that will be used for the digital processing of the images, in order to understand and visualize the different image transformations and to do the different tasks that are necessary for the evaluation process.

Continued work is essential to get the most out of this subject. When doubts arise, it is important to resolve them as soon as possible to guarantee correct progress in this matter. To help them solve their doubts, the student has the advice of the teacher, both during classes and in the tutoring hours specially designed for it.

2. Learning goals

2.1. Competences

BASIC SKILLS:

1. That the students know how to apply their knowledge to their work or vocation in a professional manner and acquire the competences that are usually demonstrated through the elaboration and defense of arguments and the resolution of problems within their area of study.

2. That students can transmit information, ideas, problems and solutions to both specialized and non-specialized audiences.

3. That students have developed the learning skills necessary to undertake further studies with a high degree of autonomy.

TRANSVERSAL COMPETENCES:

1. Ability to solve problems and make decisions with initiative, creativity and critical reasoning.

2. Ability to use the engineering techniques, skills and tools that are necessary in practical engineering tasks.

3. Ability to apply information and communication technologies in engineering tasks.

SPECIFIC COMPETENCES

1. Knowledge and capacity for modeling and simulating systems. 

2. Applied knowledge of industrial computing and communications. 

2.2. Learning goals

Knows and interprets the main parameters that describe the information in an image, its acquisition and storage.
Knows and applies digital image processing techniques.
Applies pattern recognition and classification methods and uses such information to control a system.
She/he is capable of recovering three-dimensional information from two-dimensional images and of using such information to control a system.
Uses basic digital image analysis and processing software.

2.3. Importance of learning goals

The learning results of the course are important for those students who want to specialize in digital image processing, whose main objectives are to improve the quality of images for human perception or to process and extract relevant information from these images for automatic machine perception.

3. Assessment (1st and 2nd call)

3.1. Assessment tasks (description of tasks, marking system and assessment criteria)

ZARAGOZA CAMPUS:

In accordance with the regulations of the University of Zaragoza, the student may choose between continuous and global evaluation of their learning process. The course is passed with an overall rating of 5 points over 10.

Continuous assessment.

Oral presentations of practical laboratory sessions 1, 2, 4 and 5 will be made in the session immediately after each one. The weighting of this part of the evaluation will be 10% of the global mark.

Oral presentations of 2 course assignments will be made, which will be a continuation of the work in laboratory sessions 3 and 6. These course assignments will weigh 60% of the final grade (30% each).

Individual written exam (30%).

Global evaluation.

Oral presentations of 2 course assignments will be made, which will be a continuation of the work in laboratory sessions 3 and 6. These course assignments will weight 70% of the final grade (35% each).

Individual written exam (30%).

TERUEL CAMPUS:

1. Regular evaluation.

The summative evaluation will be continuous and will have three contributions:

Throughout the semester a series of individual activities will be carried out, one for each of the subjects of the course, which will lead to a series of assignments in different formats that the student must complete within the indicated deadlines. Part of these works corresponds to the resolution of tasks in the classroom. This work represents 20% of the grade.

There will be 7 laboratory sessions in which the students must demonstrate that they have acquired the different course skills and are able to apply them in similar assignments. This work represents 30% in the final grade of the subject.

By completing a final work in which most of the course contents will be applied, we will evaluate the application of fundamental computer vision concepts to a real case using a different tool than the one used in the lectures and laboratory sessions. This work represents the remaining 50% of the global grade.

All the proposed activities must be carried out and passed with a score of at least 4 out of 10 points to be able to qualify for the continuous evaluation process. The overall grade resulting from all completed tasks must be higher than 50% of the possible grade.

2. Evaluation by single test.

The students not choosing the continuous evaluation, not passing the course by this procedure or those who would like to improve his grade, will have the right for a global test, prevailing, in any case, the best of the grades obtained.

In this test the student must answer a series of theoretical questions associated with the basic concepts of the subject (1 hour).

Subsequently, the students must demonstrate in the laboratory that is able to complete the tasks of processing and extracting information from a digital image (3 hours). In addition, she/he must submit the final work proposed in the ordinary evaluation.

4. Methodology, learning tasks, syllabus and resources

4.1. Methodological overview

The learning process designed so that students can pass the subject is based on the following tasks:

  • Classroom sessions where the lecturer explains the main theoretical concepts and will illustrate the application of this theoretical material via exercises and cases. Active students' participation is intended. So, they will continuously work with a computer applying the explained image processing functions and concepts to digital images. 
  • Laboratory sessions every two weeks. Students will carry out practical tasks related to their learning skills. They will work individually (one student-one computer) but they can exchange their views on the questions proposed so that they can discover knowledge collaboratively. The assessment of this activity will contribute to the final mark.
  • Supervised projects. Students must solve a set of exercises or practical questions related to the concepts learned. They are used as formative and summative assessments.
  • Student personal work essential to achieve significant learning and to have success with all the assessment activities proposed.

4.2. Learning tasks

The course includes the following learning tasks: 

ZARAGOZA CAMPUS:

1.- A01 Lectures (30 hours) The theoretical concepts and their application via exercises and cases are explained by the lecturer. Students are encouraged to take part actively in the resolution of practical questions. In this way, they will assimilate the learning concepts building their own knowledge.  The concepts worked upon this in-face sessions are aligned to the thematic blocks described in 5.3 Program.

2. A03 Laboratory sessions (6x3=18 hours) Students carry out experimental tasks following the information provided in the lab session instructions. It is very advisable to understand this information before attending to the laboratory room. Every student must produce a report on the activity after the end of the session. 

3. A05 Supervised projects (36 hours)

Lab exercise includes optional sections to be developed by the student after the sessions.

4. A07 Personal work (60 hours) 

It is very important for the student to work in a continuous and independent way on the understanding of the theoretical concepts, the resolution of exercises and cases and the writing of the lab and the project reports. Students must also learn how to use the software tools chosen to process digital images.

6. A08 Assessment (6 hours)

Written exam (3 hours). Oral talks for 3 hours.

TERUEL CAMPUS

1. Lectures (45 hours)

The theoretical concepts and their application via exercises and cases are explained by the lecturer. Students are encouraged to take part actively in the resolution of practical questions. In this way, they will assimilate the learning concepts building their own knowledge. 

The concepts worked upon this in-face sessions are aligned to the thematic blocks described in 4.3 Syllabus.

2. Laboratory sessions (14 hours) 

Students carry out experimental tasks following the information provided in the lab session instructions. It is very advisable to understand this information before attending to the laboratory session. Every student must produce a report on the activity after the end of the session. 

With these activities, students will train the skills required to carry out the final project of the subject. 

3. Supervised projects (25 hours)

The teacher proposes a set of practical exercises that students must solve individually providing a reasoned report with the achieved results.

These activities cover all the contents of the subject from image acquisition to characteristics extraction.

4. Personal work (60 hours) 

It is very important for the student to work in a continuous and independent way on the understanding of the theoretical concepts, the resolution of exercises and cases and the writing of the lab and the project reports. Students must also learn how to use the software tools chosen to process digital images. 

5. Tutorials

The lecturer allocates a tutorial timetable. All the students can solve doubts related to the subject at these specific hours. 

6. Assessment (6 hour) 

Students have to explain their final project to the teacher who could ask them different questions about the work. However, a continuous formative and summative assessment takes place during the whole semester by means of the laboratory sessions and the supervised projects. In this way, students can check their learning during the progress of the course. These hours also include the time required to carry out, if necessary, the global exam in June and/or July exam period.

4.3. Syllabus

The course will address the following topics: 

ZARAGOZA CAMPUS

  1. Acquisition
  2. Image Processing
  3. Feature detection and matching
  4. Robust data fitting
  5. Two view geometry
  6. Structure from Motion. Bundle Adjustment.
  7. Machine Learning: Regression and classification
  8. Machine Learning: Methodology and metrics
  9. Fully connected networks
  10. Convolutional neural networks
  11. Deep networks architectures for computer vision
  12. Pre-training and fine-tuning

Practice Sessions

  1. Image Processing. Chroma key.
  2. Interest point detection. Descriptors and putative matching.
  3. Geometry robust estimation: homography and epipolar geometry. 3D geometry from two views.
  4. Machine Learning basics and methodology.
  5. Handwritten digit classification (MNIST)
  6. Fine-tuning CNN networks

TERUEL CAMPUS

1. Introduction to computer vision.

2. Image. Basic concepts.

3. Image improvement. Preprocessing

4. Image segmentation. Edge detection and region extraction.

5. Description. Features and keypoints extraction.

6. Applications

7. Introduction to 3-D image

Practice Sessions

  1. Open CV. Actions on image windows.
  2. Ligthing in photography.
  3. Geometric transformations.
  4. Image segmentation and labelling.
  5. Pattern classification using feature extraction.
  6. Pattern classification using machine learning techniques.
  7. 3-D calibration.

4.4. Course planning and calendar

The schedule of lectures, practice sessions and laboratory sessions is decided upon by the university centre and will be published before the beginning of the course.

Every teacher will inform about his/her tutorial timetable.

 


Curso Académico: 2022/23

29847 - Visión por computador


Información del Plan Docente

Año académico:
2022/23
Asignatura:
29847 - Visión por computador
Centro académico:
110 - Escuela de Ingeniería y Arquitectura
326 - Escuela Universitaria Politécnica de Teruel
Titulación:
440 - Graduado en Ingeniería Electrónica y Automática
444 - Graduado en Ingeniería Electrónica y Automática
Créditos:
6.0
Curso:
4
Periodo de impartición:
444 - Primer semestre
440 - Segundo semestre
Clase de asignatura:
Optativa
Materia:
---

1. Información Básica

1.1. Objetivos de la asignatura

La asignatura y sus resultados previstos responden a los siguientes planteamientos y objetivos:

La asignatura de Visión por computador pretende proporcionar al estudiante una visión general del proceso de procesado digital de imagen. Es por ello que comienza con la descripción de la teoría de adquisición de imágenes, deteniéndose brevemente en la formación de imágenes en los seres humanos, para analizar de manera más detallada el funcionamiento de los sistemas ópticos y el proceso de digitalización. Los alumnos deben comprender los parámetros principales en este proceso de adquisición, así como las magnitudes físicas asociadas a una imagen.

A continuación se trabaja en las labores de segmentación o extracción de información a partir de la imagen. Para ello, es importante recordar los diferentes algoritmos de transformación tanto en el dominio espacial como en el dominio transformado. Además de las tareas de detección de bordes y regiones, se introducirán algoritmos sencillos de realzado y suavizado de imágenes que permitan incrementar su calidad antes de abordar el proceso de segmentación.

A partir de la información obtenida en el proceso de segmentación, se describirán los descriptores apropiados para un conjunto de aplicaciones genéricas, en concreto se analizará el caso de reconocimiento de objetos 3-D.

La metodología a utilizar busca la adquisición y evaluación de las competencias de manera continua. Para ello, los alumnos trabajarán sobre imágenes reales adquiridas por ellos sobre las que aplicar los procesos de mejora de calidad, segmentación y obtención de descriptores a medida que estos procedimientos se desarrollen en las sesiones en el aula.

Estos planteamientos y objetivos están alineados con algunos de los Objetivos de Desarrollo Sostenible, ODS, de la Agenda 2030 (https://www.un.org/sustainabledevelopment/es/) y determinadas metas concretas, de tal manera que la adquisición de los resultados de aprendizaje de la asignatura proporciona capacitación y competencia al estudiante para contribuir en cierta medida a su logro:

  • Objetivo 8: Promover el crecimiento económico sostenido, inclusivo y sostenible, el empleo pleno y productivo y el trabajo decente para todo.
    • 8.2 Lograr niveles más elevados de productividad económica mediante la diversificación, la modernización tecnológica y la innovación, entre otras cosas centrándose en los sectores con gran valor añadido y un uso intensivo de la mano de obra.

1.2. Contexto y sentido de la asignatura en la titulación

Se trata de una asignatura optativa de 6 ECTS que se imparte en el segundo cuatrimestre de cuarto curso.

La asignatura está orientada para dotar al estudiante de las competencias básicas que le permitan la extracción de información de imágenes digitales que pueda ser utilizada en los procesos de diseño y desarrollo de sistemas electrónicos y de control en entorno industriales de trabajo, competencia propia del Grado de Ingeniería Electrónica y Automática. Además, las competencias asociadas a esta asignatura pueden ser aplicadas a otros campos como la medicina o la seguridad que pueden ser de interés para los nuevos titulados.

1.3. Recomendaciones para cursar la asignatura

La asignatura de Visión por Computador requiere de los conocimientos básicos de matemáticas, estadística y programación de computadores que se imparten en el módulo de formación básica los grados de ingeniería de la Universidad de Zaragoza, así como los conocimientos de Señales y Sistemas de 2º curso.

Se recomienda al alumno la asistencia activa a las clases de teoría y laboratorio, así como un estudio continuado de los contenidos teóricos y prácticos de la asignatura. También es muy importante manejar con soltura la herramienta informática que se va a utilizar para el procesado digital de las imágenes que facilitará la comprensión y visualización de las diferentes transformaciones que se realizarán sobre ella y se utilizará para la realización de las diferentes tareas en base a las cuales se realizará el proceso de evaluación.

El trabajo continuado es fundamental para superar con el máximo aprovechamiento esta asignatura, por ello, cuando surjan dudas, es importante resolverlas cuanto antes para garantizar el progreso correcto en esta materia. Para ayudarle a resolver sus dudas, el estudiante cuenta con la asesoría del profesor, tanto durante las clases como, en las horas de tutoría especialmente destinadas a ello.

2. Competencias y resultados de aprendizaje

2.1. Competencias

COMPETENCIAS BÁSICAS:

  1. Que los estudiantes sepan aplicar sus conocimientos a su trabajo o vocación de una forma profesional y posean las competencias que suelen demostrarse por medio de la elaboración y defensa de argumentos y la resolución de problemas dentro de su área de estudio.
  2. Que los estudiantes puedan transmitir información, ideas, problemas y soluciones a un público tanto especializado como no especializado.
  3. Que los estudiantes hayan desarrollado aquellas habilidades de aprendizaje necesarias para emprender estudios posteriores con un alto grado de autonomía.

COMPETENCIAS TRANSVERSALES:

  1. Capacidad para resolver problemas y tomar decisiones con iniciativa, creatividad y razonamiento crítico.
  2. Capacidad para usar las técnicas, habilidades y herramientas de la Ingeniería necesarias para la práctica de la misma.
  3. Capacidad para aplicar las tecnologías de la información y las comunicaciones en la Ingeniería.

 COMPETENCIAS ESPECÍFICAS:

  1. Conocimiento y capacidad para el modelado y simulación se sistemas.
  2. Conocimiento aplicado de informática industrial y comunicaciones.

2.2. Resultados de aprendizaje

El estudiante, para superar esta asignatura, deberá demostrar los siguientes resultados...

  1. Conoce e interpreta los principales parámetros que describen la información una imagen, su adquisición y almacenamiento.
  2. Conoce y aplica técnicas de procesado digital de imagen.
  3. Aplica métodos de reconocimiento y clasificación de patrones y de utiliza esa información para el control de un sistema.
  4. Es capaz de recuperar información tridimensional a partir de imágenes planas y de utilizar esa información para el control de un sistema.
  5. Utiliza software básico de procesado y análisis de imágenes digitales.

2.3. Importancia de los resultados de aprendizaje

Los resultados de aprendizaje de la asignatura son importantes para aquellos alumnos que quieran especializarse en el procesado digital de imágenes cuyos objetivos fundamentales son la mejora de la calidad de las imágenes para la percepción humana o el procesado y extracción de información de estas imágenes para la percepción automática por parte de máquinas.

3. Evaluación

3.1. Tipo de pruebas y su valor sobre la nota final y criterios de evaluación para cada prueba

El estudiante deberá demostrar que ha alcanzado los resultados de aprendizaje previstos mediante las siguientes actividades de evaluación

CAMPUS DE ZARAGOZA:

De acuerdo con la normativa de la Universidad de Zaragoza, el estudiante podrá optar entre la evaluación continua y global de su aprendizaje. La asignatura se supera con una calificación global de 5 puntos sobre 10.

Evaluación continua:

Se realizarán presentaciones orales de las sesiones prácticas de laboratorio 1, 2, 4 y 5, en la sesión inmediatamente posterior a cada una de ellas. La ponderación de la evaluación de dichas prácticas será de un 10% de la nota global.

Se realizarán presentaciones orales de 2 trabajos de asignatura, que serán continuación del trabajo desarrollado en las sesiones prácticas de laboratorio 3 y 6. Dichos trabajos de asignatura ponderarán un 60% de la nota final (30% cada uno de ellos). 

Se realizará una prueba escrita individual (30%).

Evaluación global:

Se realizarán presentaciones orales de 2 trabajos de asignatura, que serán continuación del trabajo desarrollado en las sesiones prácticas de laboratorio 3 y 6. Dichos trabajos de asignatura ponderarán un 70% de la nota final (35% cada uno de ellos). 

Se realizará una prueba escrita individual (30%).

CAMPUS DE TERUEL:

1. Evaluación ordinaria.

La evaluación sumativa se realizará de manera continuada y tendrá tres contribuciones:

  • A lo largo del cuatrimestre se realizarán un conjunto de actividades de carácter individual, una por cada uno de los temas de la asignatura que se impartan, que darán lugar a una serie de entregables en diferentes formatos que el alumno debe de completar en los plazos indicados. Parte de estos trabajos se corresponden con la resolución de tareas en el aula. Este trabajo representa un 20% de la nota.
  • Se realizarán 7 sesiones de laboratorio en las que el alumno debe demostrar que ha adquirido las diferentes competencias trabajadas en clase y es capaz de aplicarlas en encargos similares. La nota de prácticas representa un 20% en la calificación final de la asignatura.
  • Mediante la realización de un trabajo final en el que se aplicarán la mayor parte de los contenidos trabajados en la asignatura, se evaluará la aplicación de los conceptos básicos de la Visión por Computador a un caso real utilizando una herramienta diferente a la utilizada en el aula y en prácticas. Este trabajo representa el 60% restante de la nota global.

Se deben realizar TODAS las actividades propuestas y superarlas con una calificación de al menos 4 sobre 10 puntos para poder seguir el proceso de evaluación continua. La calificación global fruto de todas las tareas completadas debe ser superior al 50% de la calificación posible.

2. Evaluación mediante prueba única.

El estudiante que no opte por la evaluación continuada, que no supere la asignatura por este procedimiento o que quisiera mejorar su calificación, tendrá derecho a presentarse a una prueba global, prevaleciendo, en cualquier caso, la mejor de las calificaciones obtenidas.

En esta prueba el estudiante deberá responder a una serie de cuestiones teóricas asociadas a los conceptos básicos de la asignatura (1 hora). Posteriormente, deberá demostrar en el laboratorio que es capaz de completar las tareas de procesado y extracción de información de una imagen digital (3 horas). Además deberá entregar el trabajo final propuesto en la evaluación ordinaria.

4. Metodología, actividades de aprendizaje, programa y recursos

4.1. Presentación metodológica general

El proceso de aprendizaje que se ha diseñado para esta asignatura se basa en lo siguiente:

  1. Clases magistrales, impartidas al grupo completo, en las que el profesor explicará los principios básicos de la asignatura y resolverá algunos problemas seleccionados de aplicación de la asignatura a la titulación. Se busca la participación de los alumnos en esta actividad, por ello estas clases se pueden realizar en algunos casos en el laboratorio de informática para que los alumnos pueden trabajar directamente en el procesado digital de señal. Paralelamente el alumno debe realizar trabajo personal de estudio para un mejor aprovechamiento de las clases.
  2. Prácticas de laboratorio que se distribuyen a lo largo del cuatrimestre y en las que los estudiantes desarrollarán las diferentes competencias a través de actividades similares a las serán evaluadas para obtener la calificación final. Estas tareas se desarrollarán a nivel individual (un alumno, un ordenador) aunque se potenciará un trabajo colaborativo a través del cual los estudiantes puedan descubrir y construir el conocimiento en comunidad.
  3. Trabajos continuados que los alumnos deben realizar de manera individual a través de los cuales se desarrolla el proceso de evaluación continua.
  4. El trabajo autónomo, estudiando la materia y aplicándola al trabajo directo con imágenes digitales. Esta actividad es fundamental en el proceso de aprendizaje del alumno y para la superación de las actividades de evaluación.

4.2. Actividades de aprendizaje

CAMPUS DE ZARAGOZA:

1        A01 Clases magistrales (30 horas) 

Sesiones expositivas de contenidos teóricos. Se presentarán los conceptos y fundamentos. Se fomentará la participación del estudiante a través de preguntas y breves debates. Los contenidos se detalla en la sección 4.3 Programa.

2        A03 Prácticas de laboratorio (18 horas)

De esta manera se adquirirá el conocimiento necesario para la realización del trabajo cuya evaluación dará como resultado la calificación correspondiente a la asignatura. Se han programado 6 sesiones de 3 horas de duración.

3        A05 Trabajos continuados (36 horas)

Las prácticas incluyen unos puntos de ampliación que cada estudiante debe desarrollar de forma individual. La colección de todos estos puntos opcionales constituye el trabajo de asignatura.

4        Estudio y trabajo personal (60 horas)

El aprendizaje se obtendrá a partir de dos tipos de contribuciones: las sesiones explicativas del profesorado y los trabajos desarrollados en las sesiones prácticas.

Para el desarrollo de estas actividades, el alumno deberá haber hecho un trabajo previo. En el primer caso, el repaso y estudio de los contenidos planteados en sesiones anteriores. Para las sesiones prácticas, el alumno deberá acudir con el enunciado del trabajo meditado y trabajado, y presentar al inicio de la sesión de laboratorio el trabajo previo planteado, así como la lista de dudas o aclaraciones que requieran la intervención del profesor. Además, será también en una sesión de prácticas donde el alumno deberá presentar y defender ante el profesor el trabajo realizado.

5        A08 Evaluación (6 horas)

Esta es el tiempo dedicado a la prueba que cierra el proceso de evaluación continua en la que el alumno expone al profesor el trabajo realizado para que éste pueda resolver alguna duda en el proceso de evaluación de este material.

CAMPUS DE TERUEL:

1        Clases magistrales (45 horas) 

En esta actividad se exponen contenidos fundamentales de la materia y se hacen ejercicios prácticos que facilitan su comprensión y asimilación. En las sesiones prácticas se resuelven de manera participativa problemas de aplicación. Se anima a los alumnos a que previamente a la clase resuelvan por su cuenta los problemas que les habrá indicado el profesor. 

Los contenidos que se desarrollan en esta actividad corresponden a los bloques temáticos que se describen en el apartado 4.3 Programa.

2        Prácticas de laboratorio (14 horas)

Cada uno de los contenidos expuesto en las clases magistrales se trabajará a nivel práctico en el laboratorio. De esta manera se adquirirá el conocimiento necesario para la realización del trabajo cuya evaluación dará como resultado la calificación correspondiente a la asignatura. Se han programado 7 sesiones de 2 horas de duración.

3        Trabajos  (25 horas no presenciales)

A lo largo de todo el curso el profesor propone una serie de actividades asociadas a los diferentes contenidos asociados a la asignatura, desde la adquisición de imagen hasta la extracción de características para la toma de resultados, pasando por la exposición de los conceptos teóricos básicos. Estas actividades se materializarán en una serie de entregables que deberán ser completados de manera regular para garantizar el proceso de evaluación continua.

4        Estudio y trabajo personal (60 horas no presenciales)

Es muy importante que el alumno desarrolle de manera constante, y repartido a lo largo de todo el cuatrimestre, trabajo personal de estudio en el que profundizar en los conceptos vistos en clase, realizando esquemas, consultando las fuentes bibliográficas recomendadas o detectando errores y lagunas. Igualmente es necesario que el estudiante aprenda a manejar el software empleado en las prácticas de la asignatura.

5        Tutorías 

El estudiante que lo desee acudirá al profesor a plantearle dudas de la asignatura. Para ello el estudiante dispone de un horario de atención de tutorías.

6        Evaluación (6 horas) (presencial)

Esta es el tiempo dedicado a la prueba que cierra el proceso de evaluación continua en la que el alumno expone al profesor el trabajo realizado para que éste pueda resolver alguna duda en el proceso de evaluación de este material. También incluye el tiempo necesario para la realización de la prueba final, de ser necesaria en las convocatorias de febrero y julio.

4.3. Programa

CAMPUS DE ZARAGOZA

Programa de la asignatura

  1. Adquisición

  2. Procesamiento de imágenes

  3. Detección y emparejamiento de puntos de interés

  4. Ajuste robusto

  5. Relaciones entre dos vistas

  6. Estructura y movimiento y ajuste de haces

  7. Aprendizaje automático: Regresión y clasificación

  8. Aprendizaje automático: Metodología y métricas

  9. Redes neuronales artificiales

  10. Redes convolucionales

  11. Arquitecturas de redes profundas para visión por computador

  12. Redes pre-entrenadas y ajuste fino

Programa de prácticas

  1. Procesado de imágenes. Chroma key

  2. Detección y emparejamiento de puntos de interés

  3. Ajuste robusto de F y H. Estimación 3D a partir de dos imágenes

  4. Fundamentos y metodología del aprendizaje automático

  5. Clasificación de imágenes de dígitos manuscritos (MNIST)

  6. Ajuste fino de redes convolucionales profundas

CAMPUS DE TERUEL

1. Introducción. Qué es la visión por computador.

2. Imagen. Conceptos básicos.

3. Mejora de la imagen. Preprocesado.

4. Segmentación. Detección de bordes y regiones.

5. Descripción. Extracción de características y puntos de interés.

6. Aplicaciones.

7. Introducción a la visión 3-D

Programa de prácticas

  1. Acciones sobre una ventana imagen.
  2. Toma de fotografías con diferentes tipos de iluminación.
  3. Transformaciones geométricas
  4. Segmentación y etiquetado.
  5. Clasificación por extracción de características.
  6. Clasificación utilizando técnicas de machine learning.
  7. Calibración 3D.

4.4. Planificación de las actividades de aprendizaje y calendario de fechas clave

Calendario de sesiones presenciales y presentación de trabajos

Las clases magistrales y de problemas y las sesiones de prácticas en el laboratorio se imparten según horario establecido por el Centro y es publicado con anterioridad a la fecha de comienzo del curso.

Cada profesor informará de su horario de atención de tutoría.

Las fechas de inicio y finalización de la asignatura y las horas concretas de impartición se podrán encontrar en la página web del Centro.

Desde el inicio del cuatrimestre los alumnos dispondrán del calendario detallado de actividades (prácticas de laboratorio, fechas de entrega de tareas,...). No obstante, y de manera orientativa, el calendario será el siguiente:

2ª semana del cuatrimestre.

Inicio de prácticas de laboratorio.

Fecha fijada por el Centro.

Examen final, para aquellos estudiantes que no opten por la evaluación continua.