Teaching Guides Query



Academic Year: 2024/25

633 - Master's Degree in Biomedical Engineering

69717 - Computer Vision


Teaching Plan Information

Academic year:
2024/25
Subject:
69717 - Computer Vision
Faculty / School:
110 - Escuela de Ingeniería y Arquitectura
Degree:
633 - Master's Degree in Biomedical Engineering
ECTS:
3.0
Year:
1
Semester:
Second semester
Subject type:
Optional
Module:
---

1. General information

The objective of the subject is the computerized perception from images obtained through cameras. Vision has demonstrated applicability in motion capture and analysis, biometrics, and three-dimensional measurement from images and sequences, as well as in robotics and augmented reality. This has increasing applications in the biomedical field due to the ease of image acquisition and storage, and the generalization of endoscopic access.

Throughout the course, students are expected to tackle problems related to the estimation of the 3D geometry of a scene over a sequence to perform augmented reality, as well as place recognition with deep learning methods, everything using datasets from the medical domain.

2. Learning results

1. To understand the fundamentals of image acquisition and formation, feature detection and robust matching, 3D vision geometry, image alignment, calibration, and structure from motion in image sequences.

2. To be skilled in the implementation of basic algorithms for perception with vision, and in the handling of standard software in computer vision and three-dimensional estimation.

3. To be skilled in the design and implementation of simple applications combining basic computer vision algorithms.

4. To be able to self-learn by reading research articles, where the latest advances in the field of computer vision are presented.

5. To be skilled in oral and written communication of computer vision based systems, including their description and experimental evaluation.

3. Syllabus

The contents of the subject are:

  1. Image acquisition and processing
  2. Deep learning for classification and place recognition
  3. Automatic matching
  4. Attention-based methods
  5. Camera model
  6. Robust fitting
  7. Two-view geometry
  8. Structure from motion and Bundle adjustment
  9. Depth estimation
  10. SLAM inside the human body

The program of practical sessions/problems is:

  1. Introduction to image and video processing in Python
  2. Deep learning for classification and place recognition
  3. Detection and matching of keypoints
  4. Structure-from-Motion with COLMAP
  5. Augmented reality in colonoscopy

4. Academic activities

  • Lectures (20 hours). Presentations by the teachers.
  • Laboratory practices (10 hours). Practical exercises programming on a computer.
  • Personal study (42 hours). Study of the contents covered in lectures and preparation of course assignments.
  • Assessment tests (3 hours). Written test and presentation of course assignments.

5. Assessment system

According to the regulations of the University of Zaragoza, students can choose between continuous and global assessment of their learning. The course is passed with an overall grade of 5 out of 10.

Continuous assessment throughout the semester:

  • Individual written test (30%): A test will be conducted during the examination period stipulated by the center.
  • Practical assignments (60%): Oral presentations of 2 course assignments, which will be a continuation of the work developed in practical sessions 2 and 5. Each assignment will account for 30%.
  • Laboratory practices (10%): The student's performance in each practice that does not extend into the practical assignment will be graded from 0 to 10.

Global assessment on the dates established by the official calls:

  • Practical assignments (70%): Oral presentations of 2 course assignments, which will be a continuation of the work developed in practical sessions 2 and 5. Each assignment will account for 35%.
  • Individual written test (30%): A test will be conducted during the examination period stipulated by the center.

6. Sustainable Development Goals

3 - Good Health & Well-Being
8 - Decent Work and Economic Growth
9 - Industry, Innovation and Infrastructure


Curso Académico: 2024/25

633 - Máster Universitario en Ingeniería Biomédica

69717 - Percepción y visión por computador


Información del Plan Docente

Año académico:
2024/25
Asignatura:
69717 - Percepción y visión por computador
Centro académico:
110 - Escuela de Ingeniería y Arquitectura
Titulación:
633 - Máster Universitario en Ingeniería Biomédica
Créditos:
3.0
Curso:
1
Periodo de impartición:
Segundo semestre
Clase de asignatura:
Optativa
Materia:
---

1. Información básica de la asignatura

El objetivo de la asignatura es la percepción computarizada a partir de imágenes obtenidas mediante cámaras. La visión tiene aplicabilidad ya demostrada en captura y análisis de movimiento, biometría, y medición tridimensional a partir de imágenes y secuencias, así como en robótica y realidad aumentada. Esto tiene una creciente aplicación en el campo biomédico debido la facilidad de adquisición y almacenamiento de imágenes, y a la generalización del acceso endoscópico

A lo largo de la asignatura se plantea que los estudiantes aborden problemas de estimación de la geometría 3D de la escena a lo largo de una secuencia para poder hacer realidad aumentada, así como de reconocimiento de lugares utilizando métodos de aprendizaje profundo, todo ello utilizando conjuntos de datos del ámbito médico.

2. Resultados de aprendizaje

1. Conocer los fundamentos de adquisición y formación de imágenes, detección de características y emparejamiento robusto, geometría de la visión 3D, alineamiento de imágenes, calibración, y estructura y movimiento en secuencias de imágenes.

2. Destreza en la implementación de algoritmos básicos para la percepción con visión, manejando software estándar en visión por computador y estimación tridimensional.

3. Destreza en el diseño y la implementación de aplicaciones sencillas que combinan algoritmos básicos de visión por computador.

4. Capacidad para el autoaprendizaje mediante la lectura de artículos de investigación, donde se presentan los últimos avances en el campo de la visión por computador.

5. Destreza para comunicación oral y escrita de sistemas basados en visión por computador, incluyendo su descripción y su evaluación experimental.

3. Programa de la asignatura

Los contenidos de la asignatura son:

  1. Adquisición y procesamiento de imágenes
  2. Deep learning para clasificación y reconocimiento de lugares
  3. Emparejamiento automático
  4. Métodos basados en atención
  5. Modelo de la cámara
  6. Ajuste robusto
  7. Relaciones geométricas entre dos vistas
  8. Estructura y movimiento y ajuste de haces
  9. Estimación de profundidad
  10. SLAM en el interior del cuerpo humano

El programa de sesiones prácticas/problemas es:

  1. Introducción al procesamiento de imágenes y vídeos en Python
  2. Deep learning para clasificación y reconocimiento de lugares
  3. Detección y emparejamiento de puntos de interés
  4. Structure-from-Motion con COLMAP
  5. Inserción de realidad aumentada en colonoscopia

4. Actividades académicas

  • Clases magistrales (20 horas). Exposición por parte de los profesores.
  • Prácticas de laboratorio (10 horas). Ejercicios prácticos programando en un computador.
  • Estudio personal (42 horas). Estudio de los contenidos impartidos en clases magistrales y elaboración de los trabajos de la asignatura.
  • Pruebas de evaluación (3 horas). Prueba escrita y presentación de los trabajos de la asignatura.

5. Sistema de evaluación

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 a lo largo del semestre:

  • Prueba escrita individual (30%). Se realizará una prueba en la franja de exámenes estipulada por el centro.
  • Trabajos prácticos (60%). Se realizarán presentaciones orales de 2 trabajos de asignatura, que serán continuación del trabajo desarrollado en las sesiones prácticas 2 y 5. Dichos trabajos de asignatura ponderarán un 30% cada uno.
  • Prácticas de laboratorio (10%). Se puntuará del 0 al 10 el desempeño del estudiante en cada una de las prácticas que no se extienden para trabajo práctico.

Evaluación global en las fechas establecidas por las convocatorias oficiales:

  • Prueba escrita individual (30%). Se realizará una prueba en la franja de exámenes estipulada por el centro.
  • Trabajos prácticos (70%). Se realziarán presentaciones orales de 2 trabajos de asignatura, que serán continuación del trabajo desarrollado en las sesiones prácticas 2 y 5. Dichos trabajos de asignatura ponderarán 35% cada uno.

6. Objetivos de Desarrollo Sostenible

3 - Salud y Bienestar
8 - Trabajo Decente y Crecimiento Económico
9 - Industria, Innovación e Infraestructura