|
||||||||||||||||||||||||||||||
Consulta de los datos generales Descripción Conocimientos previos Información previa a la matrícula Objetivos y competencias Contenidos Consulta de los recursos de aprendizaje de la UOC para la asignatura Información adicional sobre los 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. Introducción a la visión por computador. Breve historia de la visión por computador. Espacios de color. Tema 2. Procesado de Imágenes: Filtros lineales y filtros no lineales. Operadores morfológicos. Tema 3. Extracción de características. Detección y descripción de características. Feature matching. Content-based image retrieval. Segmentación. Tema 4. Machine Learning. Aprendizaje supervisado y no supervisado. Deep Neural Networks. Convolutional Neural Networks. Tema 5. Clasificación de Imágenes. Métodos basados en características. Métodos basados en Convolutional Neural Networks. Tema 6. Detección de objetos. Detección de caras. Detección de personas. Detección de objetos. Tema 7. Segmentación semántica. Instance segmentation. Panoptic segmentation. Pose estimation. Tema 8. Comprensión de vídeo (Video understanding). Reconocimiento de acciones. Optical flow. Object tracking. Video object segmentation. Tema 9. Modelos generativos. Autoencoders. Variational autoencoders. Generative Adversarial Networks (GANs). |
||||||||||||||||||||||||||||||
|
||||||||||||||||||||||||||||||
Para los ejercicios prácticos se usaran los recursos que se pueden encontrar en el siguiente repositorio de código de la asignatura: https://gitlab.uoclabs.uoc.es/patternrecognition/pattern-recognition/-/tree/master |
||||||||||||||||||||||||||||||
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. La UOC se reserva la potestad de solicitar al estudiante que se identifique o que acredite la autoría de su trabajo a lo largo de todo el proceso de evaluación por los medios que establezca la universidad (síncronos o asíncronos). A estos efectos, la UOC puede exigir al estudiante el uso de un micrófono, una cámara u otras herramientas durante la evaluación y que este se asegure de que funcionan correctamente. La verificación de los conocimientos para garantizar la autoría de la prueba no implicará en ningún caso una segunda evaluación. |
||||||||||||||||||||||||||||||
|