|
||||||||||||||||||||||||||||||
Consulta de los datos generales Descripción Conocimientos previos Información previa a la matrícula Objetivos y competencias Contenidos Consulta de los recursos de aprendizaje de los que dispone la asignatura Recursos de aprendizaje y herramientas de apoyo Informaciones sobre la evaluación en la UOC Consulta del modelo de evaluación | ||||||||||||||||||||||||||||||
Este es el plan docente de la asignatura para el segundo semestre del curso 2023-2024. Podéis consultar si la asignatura se ofrece este semestre en el espacio del campus Más UOC / La universidad / Planes de estudios). Una vez empiece la docencia, tenéis que consultarlo en el aula. El plan docente puede estar sujeto a cambios. | ||||||||||||||||||||||||||||||
El curso de Reconocimiento de Patrones introducirá al estudiante a las técnicas que permiten extraer información de un conjunto de datos. En particular el curso se centra en el reconocimiento de patrones dentro del contexto de la visión por computador. Las imágenes son una de las principales fuentes de información utilizadas por el cerebro humano a nivel perceptivo para tomar decisiones. Como consecuencia, el reconocimiento de patrones dentro del contexto de la visión por computador tiene un gran interés, especialmente hoy en día que tenemos a nuestra disposición una enorme cantidad de datos visuales que no es posible analizar a mano. Las aplicaciones a nivel práctico del reconocimiento de patrones en el contexto de la visión artificial son muchas. Por ejemplo la seguridad, la medicina, la inspección automática, o la navegación automática. |
||||||||||||||||||||||||||||||
|
||||||||||||||||||||||||||||||
|
||||||||||||||||||||||||||||||
Este curso está orienteado al estudio de los conceptos fundamentales de la visión por computador, el reconocimiento de patrones y otros temas avanzados relacionados con los problemas de análisis y reconocimiento automático de imágenes complejas. En particular, los objetivos del aprendizaje son los siguientes:
Las competencias específicas que se tratan en este curso son las siguientes: A1. Capacidad para comprender y poder aplicar conocimientos avanzados de computación y métodos numéricos o computacionales a problemas de ingeniería. A2. Capacidad para aplicar métodos computacionales, matemáticos y estadísticos para modelar, diseñar y desarrollar aplicaciones, servicios, sistemas inteligentes y/o sistemas basados en el conocimiento. A3. Capacidad para aplicar los métodos matemáticos y computacionales a la resolución de problemas tecnológicos y de ingeniería de empresa, particularmente en tareas de investigación, desarrollo e innovación. A4. Capacidad para modelar problemas mediante un lenguaje matemático y resolverlos mediante un razonamiento formal. A5. Capacidad para identificar teorías matemáticas necesarias para la construcción de modelos a partir de problemas de otras disciplinas. A6. Capacidad para manejar software matemático y estadístico. A9. Capacidad para analizar y procesar datos que permitan generar y gestionar información útil en la toma de decisiones. A10. Capacidad para diseñar, implementar y validar algoritmos utilizando las estructuras más convenientes. |
||||||||||||||||||||||||||||||
Tema 1. Formación de la imagen: Modelos geométricos de la cámara. Modelos de iluminación. Geometría epipolar. Rectificación de la imagen. Tema 2. Procesamiento de Imágenes: Filtros lineales y convolución. Operaciones de suavizado. Operaciones morfológicas. Tema 3. Análisis de Color: Percepción de color. Espacios de representación de color: lineales, no lineales. Tema 4. Extracción de características: Características locales de la imagen: características geométricas; características de textura. Tema 5. Segmentación de Imágenes: Agrupación (clustering). Grafos. Modelos probabilísticos. Tema 6. Clasificación de Imágenes y Reconocimiento de Objetos: Clasificación supervisada. Estrategias de clasificación. Extracción de características para clasificación. |
||||||||||||||||||||||||||||||
|
||||||||||||||||||||||||||||||
Para los ejercicios prácticos se hará uso de los siguientes recursos:
ImageJ
Image Processing Learning Resources (HIPR2) http://homepages.inf.ed.ac.uk/rbf/HIPR2/hipr_top.htm
Image Recognition Laboratory http://www.uni-koblenz.de/~lb/lb_downloads/
Web-enabled image processing operators (Canny, Gabor) http://matlabserver.cs.rug.nl/
efg's Color Reference Library -- Color Science / Color Theory http://www.efg2.com/Lab/Library/Color/Science.htm
The Color Space Conversions Applet |
||||||||||||||||||||||||||||||
El proceso de evaluación se fundamenta en el trabajo personal de cada estudiante y presupone la autenticidad de la autoría y la originalidad de los ejercicios realizados. La falta de autenticidad en la autoría o de originalidad de las pruebas de evaluación; la copia o el plagio; el intento fraudulento de obtener un resultado académico mejor; la colaboración, el encubrimiento o el favorecimiento de la copia, o la utilización de material o dispositivos no autorizados durante la evaluación, entre otras, son conductas irregulares que pueden tener consecuencias académicas y disciplinarias graves. Por un lado, si se detecta alguna de estas conductas irregulares, puede comportar el suspenso (D/0) en las actividades evaluables que se definan en el plan docente incluidas las pruebas finales o en la calificación final de la asignatura, ya sea porque se han utilizado materiales o dispositivos no autorizados durante las pruebas, como redes sociales o buscadores de información en internet, porque se han copiado fragmentos de texto de una fuente externa (internet, apuntes, libros, artículos, trabajos o pruebas del resto de estudiantes, etc.) sin la correspondiente citación, o porque se ha practicado cualquier otra conducta irregular. Por el otro, y de acuerdo con las normativas académicas, las conductas irregulares en la evaluación, además de comportar el suspenso de la asignatura, pueden dar lugar a la incoación de un procedimiento disciplinario y a la aplicación, si procede, de la sanción que corresponda. |
||||||||||||||||||||||||||||||
|