• 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): D.A. Forsyth, J. Ponce, 2012. "Computer Vision: A Modern Approach", 2/E, Pearson Education.

• Información previa a la matrícula

• Profesor Coordinador: Dra. Ágata Lapedriza 
• Créditos: 5
• 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 computacio¿n y me¿todos 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. 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.

• Consulta de los materiales de los que dispone la asignatura