Titulación | Tipo | Curso | Semestre |
---|---|---|---|
4314099 Visión por Computador / Computer Vision | OB | 0 | 2 |
Competencias en programación en Python.
Coordinador del módulo: Dr. Xavier Giró
El objetivo de este módulo es presentar los principales conceptos y tecnologías que son necesarios para el análisis de video. En primer lugar, se presentan las aplicaciones de análisis de secuencias de imágenes y los diferentes tipos de datos donde se aplicarán estas técnicas. Además se proporciona una descripción general de las técnicas de procesamiento de señales y las arquitecturas generales de aprendizaje profundo en las que se basa el análisis de video. Se darán ejemplos para secuencias de video monocámara, multicámara y cámaras de profundidad. Se estudiarán tanto las bases teóricas como los algoritmos más utilizados. Para cada materia, se presentarán técnicas clásicas junto con las técnicas de aprendizaje profundo del estado del arte que conducen a diferentes enfoques. Los temas principales serán la segmentación de video, la sustracción y modelado del fondo, la estimación de movimiento, los algoritmos de seguimiento y el análisis basado en modelos. También se estudiarán técnicas de nivel superior, como el reconocimiento de gestos o acciones, la generación profunda de de videos y el aprendizaje profundo multimodal. Los estudiantes trabajarán en un proyecto sobre monitoreo de tráfico aplicado a ADAS (sistemas avanzados de asistencia al conductor) donde aplicarán los conceptos aprendidos en el curso. El proyecto se centrará en la detección y segmentación de objetos de video, la estimación del flujo óptico y el seguimiento de vehículos con múltiples objetivos / cámaras.
Sesiones supervisadas: (Algunas de estas sesiones podrían ser en línea síncronas)
Sesiones dirigidas:
Trabajo autónomo:
Nota: se reservarán 15 minutos de una clase dentro del calendario establecido por el centro o por la titulación para que el alumnado rellene las encuestas de evaluación de la actuación del profesorado y de evaluación de la asignatura o módulo.
Título | Horas | ECTS | Resultados de aprendizaje |
---|---|---|---|
Tipo: Dirigidas | |||
Sesiones teóricas | 20 | 0,8 | 4, 3, 6 |
Tipo: Supervisadas | |||
Sesiones de seguimiento de proyecto | 8 | 0,32 | 1, 2, 4, 3, 5, 8, 7, 9, 6, 10 |
Tipo: Autónomas | |||
Trabajo autónomo | 113 | 4,52 | 1, 2, 4, 3, 5, 8, 7, 9, 6, 10 |
La Nota final de este módulo se calcula con la seguiente fórmula:
Nota final = 0.4 x Examen + 0.55 x Proyecto+ 0.05 x Asistencia
donde,
Examen: es la nota obtenida en el examen final del módulo (debe ser >= 3).
Assistencia: es la nota derivada de la asistencia a las sesiones (mínimo 70%).
Proyecto: es la nota que pone el coordinador del proyecto de acuerdo con los resultados del seguimiento semanal del proyecto y de las entregas (debe ser >= 5).. Todo de acuerdo con criterios específicos, tales como:
Sólo los estudiantes que han suspendido (nota final < 5.0) podran hacer el examen de recuperación.
Título | Peso | Horas | ECTS | Resultados de aprendizaje |
---|---|---|---|---|
Asistencia a sesiones | 0.05 | 0,5 | 0,02 | 1, 4, 3, 8, 6 |
Examen | 0.4 | 2,5 | 0,1 | 1, 2, 8, 7, 9, 6, 10 |
Proyecto | 0.55 | 6 | 0,24 | 1, 2, 4, 3, 5, 8, 7, 9, 6, 10 |
Artículos:
Libros:
Entorno de programación en Python con especial atención a las librerías de visión por computador y Pythorch