• Descripción

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.

• Conocimientos previos

• Requisitos: Capacidad para leer textos científicos en inglés. Conocimientos básicos de estadística (nivel licenciatura o ingeniería).

• Bibliografia (material del curso): Richard Szeliski, 2022. "Computer Vision: Algorithms and Applications", Second Edition.

• Información previa a la matrícula

• Profesor Coordinador: Dr. Carles Ventura 
• Créditos: 6
• Descripción: En el presente curso se introducirá al estudiante en el conjunto de técnicas que nos permiten extraer información de un conjunto de datos. Como aplicación, la asignatura se centrará en extraer información de alto nivel del entorno, a partir de información capturada mediante cámaras. En este caso el objetivo es aprender a reconocer objetos en entornos reales y de forma completamente automática. Las imágenes son una de las fuentes de información más importante que el cerebro humano utiliza a nivel perceptivo para tomar decisiones. En este contexto, diferentes muestras de un mismo objeto tienen en común una serie de patrones, que deben ser detectados, modelados y posteriormente clasificados para su reconocimiento. El curso pretende capacitar al estudiante para conocer las técnicas probabilísticas y de optimización matemática vinculadas al reconocimiento de patrones. 
• Requisitos: Capacidad para leer textos científicos en inglés. Conocimientos básicos de matemáticas y estadística.
• Bibliografía prevista: Módulos UOC.

• Objetivos y competencias

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:

• Conocer cómo se forman las imágenes.
• Conocer las principales técnicas de procesado de la imagen digital.
• Entender cómo se percibe el color y conocer los espacios de representación del color.
• Conocer las principales técnicas de reducción de la dimensionalidad (selección y extracción de características), tanto supervisadas como no supervisadas, y saberlas aplicar a problemas reales.
• Conocer las principales técnicas de aprendizaje automático para la clasificación automática de datos y saberlas aplicar a problemas reales.

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.

• Contenidos

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).

• Consulta de los recursos de aprendizaje de la UOC para la asignatura

• Información adicional sobre los recursos de aprendizaje y herramientas de apoyo

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

• Informaciones sobre la evaluación en la UOC

El proceso de evaluación se fundamenta en el trabajo personal del 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, software o dispositivos no autorizados durante la evaluación, entre otras, son conductas irregulares en la evaluación que pueden tener consecuencias académicas y disciplinarias graves.

Estas conductas irregulares pueden 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, sea porque se han utilizado materiales, software o dispositivos no autorizados durante las pruebas, como por ejemplo 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 de otros estudiantes, etc.) sin la citación correspondiente, o porque se ha llevado a cabo cualquier otra conducta irregular.

Así mismo, y de acuerdo con la normativa académica, las conductas irregulares en la evaluación también pueden dar lugar a la incoación de un procedimiento disciplinario y a la aplicación, si procede, de la sanción que corresponda, de conformidad con lo establecido en la normativa de convivencia de la UOC.

En el marco del proceso de evaluación, la UOC se reserva la potestad de:

• Solicitar al estudiante que acredite su identidad según lo establecido en la normativa académica.
• Solicitar al estudiante que acredite la autoría de su trabajo a lo largo de todo el proceso de evaluación, tanto evaluación continua como evaluación final, por medio de una prueba oral o los medios síncronos o asíncronos que establezca la universidad. Estos medios tendrán por objeto verificar los conocimientos y las competencias que garanticen la autoría; en ningún caso implicarán una segunda evaluación. Si no es posible garantizar la autoría del estudiante, la prueba será calificada con D, en el caso de la evaluación continua, o con un Suspenso, en el caso de la evaluación final.
  A estos efectos, la UOC puede exigir al estudiante el uso de un micrófono, una cámara u otras herramientas durante la evaluación; será responsabilidad del estudiante asegurar que tales dispositivos funcionan correctamente.

• Consulta del modelo de evaluación