|
||||||||||||||||||||||||||||||
Consulta de los datos generales Descripción Conocimientos previos Información previa a la matrícula Objetivos y competencias Contenidos Consulta de los materiales de los que dispone la asignatura | ||||||||||||||||||||||||||||||
Este es el plan docente de la asignatura para el primer semestre del curso 2024-2025. 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 computacio¿n y me¿todos numéricos o computacionales a problemas de ingeniería. 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. A5. Capacidad para identificar teorías matemáticas necesarias para la construcción de modelos a partir de problemas de otras disciplinas. |
||||||||||||||||||||||||||||||
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. |
||||||||||||||||||||||||||||||
|