Titulació | Tipus | Curs |
---|---|---|
2503758 Enginyeria de Dades | OT | 4 |
Podeu consultar aquesta informació al final del document.
Es recomana que l'alumne tingui coneixements i capacitats de:
Aproximadament cada dècada hi ha un tsunami tecnològic que transforma múltiples indústries. La Intel·ligència Artificial (IA) és aquesta onada que arrasa al món tecnològic actual. Si alguna vegada t'has preguntat:
Si hem despertat la seva curiositat, aquest curs és el que necessites. En aquest curs apendrem sobre temes en Visió per Ordinador com Seguiment d'Objectes, Processament de Volums, Medicina Personalitzada, Detecció de Cares, Flux Òptic, estimació d'Pose Humana i molts més.
A diferència d'altres cursos de visió per ordinador, aquest curs s'acosta a la visió per ordinador de manera més pràctica, experiencial i intuïtiva. El seu principal component és un conjunt de projectes que ha de ser desenvolupats pels estudiants repartits en equips. Tot el que es necessita és un coneixement pràctic del llenguatge de programació Python.
Utilitzarem OpenCV que és la biblioteca de visió per ordinador més gran i popular del món. L’utilitzen milers d’empreses, productes i dispositius i es prova cada dia per obtenir escalabilitat i rendiment. A més apendrem a dissenyar i adaptar xarxes específiques i a escollir quin és el mètode de processat més adient segons els requeriments i restriccions de cada aplicació.
En resum, Mètodes avançats de processament de senyal, imatge i vídeo és unaassignaturade caràcter eminentment pràctic i interdisciplinar que se situa en el pont que hi ha entre la intel·ligència artificial i el món real i que pretén recórrer aquest pont en ambdues direccions.
Coneixements:
Descriure i relacionar les fases en què es divideix la solució a un problema d’anàlisi de processament del senyal.
Identificar els avantatges i inconvenients dels algorismes de visió per ordinador i de processament del senyal.
Resoldre problemes reals relacionats amb tècniques de visió per ordinador.
Entendre el resultat i les limitacions de les tècniques de visió en diferents casos d’estudi.
Saber escollir l’algorisme de visió per ordinador més adient per solucionar una tasca donada.
Saber escollir les tècniques de visió per ordinador més adequades per solucionar problemes contextualitzats.
Habilitats:
Reconèixer les situacions en les quals l’aplicació d’algorismes de processament del senyal pot ser adient per solucionar un problema.
Analitzar el problema a resoldre i dissenyar la solució òptima aplicant les tècniques apreses.
Redactar documents tècnics relacionats amb l’anàlisi i la solució d’unproblema.
Programar els algorismes bàsics per solucionar els problemes proposats.
Avaluar els resultats de la solució implementada i valorar les possibles millores.
Defensar i argumentar les decisions preses en la solució dels problemes proposats.
Competències
Buscar, seleccionar i gestionar de manera responsable la informació i el coneixement.
Concebre, dissenyar i implementar el sistema d’adquisicióde dades més adient per alproblema concret que cal resoldre.
Desenvolupar un pensament i un raonament crític i saber comunicar-los de manera efectiva, tant en les llengües pròpies com en anglès.
Que els estudiants tinguin la capacitat de reunir i interpretar dades rellevants (normalment dins de la seva àrea d'estudi) per emetre judicis que incloguin una reflexió sobre temes destacats.
Resultats d'aprenentatge
Buscar, seleccionar i gestionar de manera responsable la informació i el coneixement.
Desenvolupar un pensament i un raonament crític i saber comunicar-los de manera efectiva, tant en les llengües pròpies com en anglès.
Dissenyar un sistema d'adquisició d'imatges i vídeos i aplicar els mètodes bàsics de la visió per ordinador a problemes específics.
Escollir els mètodes de representació del coneixement més adequats per a l'extracció dels objectes presents en l'escena, imatge o vídeo i la seva anàlisi posterior.
Extreure i analitzar el moviment d'un vídeo (seguiment d'objectes, punts característics al llarg d'un vídeo, etc.)
1 - Introducció a la Visió per Computador i l'OpenCV
2 - Mètodes basats en extracció i selecció de característiques
3 - Mètodes basats en Deep Learning
4 - Com escollir el mètode més adient. Disseny i Validació Experimental.
5 – Processament i Anàlisi d’Imatges. Segmentació i Reconeixement
6 - Processament i Anàlisi de senyals temporals. Vídeo (tracking), series temporals (senyals biometriques)
7 - Processament i Anàlisi de Volums 3D.
8 - Processament i Anàlisi de Dades MultiModals.
Títol | Hores | ECTS | Resultats d'aprenentatge |
---|---|---|---|
Tipus: Dirigides | |||
Classe de teoria | 10 | 0,4 | |
Tipus: Supervisades | |||
Taller de treball | 20 | 0,8 | |
Tipus: Autònomes | |||
Treball personal | 115 | 4,6 |
La gestió de la docència de l'assignatura es farà a través del Campus Virtual (http://cv.uab.cat/), que servirà com a eina de gestió els equips de treball, fer els lliuraments corresponents, veure les notes, comunicar-vos amb els professors, etc.
El projecte
El curs seguirà una metodologia docent d'aprenentatge anomenada Aprenentatge Basat en Projectes (ABP). La metodologia ABP pretén potenciar i motivar a l'estudiant en el seu aprenentatge. Es formaran grups d'entre 5 i 6 estudiants als que se'ls encomanarà la realització d'un conjunt de projectes (de mida mitjana) al llarg del semestre. Es farà un seguiment setmanal i tutorització tant grupal com individual dels estudiants
Els projectes són fixats pel professorat de manera que compleixi les següents condicions: ser el més real possible; ser tractable mitjançant eines elementals; no tenir associat un algorisme de solució standard.
D'altra banda, és essencial entendre que no es tracta pas de trobar un algorisme que funcioni en el 100 x 100 dels casos —tot sovint no existeix tal cosa— sinó simplement de “donar-hi una proposta de solució raonable”.
Els projectes els han de desenvolupar cada equip amb la màxima autonomia possible. Cada equip tindrà assignat un tutor que en seguirà l'evolució però en principi s'abstindrà d'imposar les seves idees. D'altra banda, l'estudiant ha de tenir clar que no es tracta de buscar la ‘solució’ del problema en altres llocs, sino de fer una aportació original. Això no vol dir que s'hagi de renunciar a la informació que pugui existir en la bibliografia o a Internet; però quan se'n faci ús cal tenir informat el professor i explicar-ho en la memòria.
La realització del projecte ha de acabar en un programa i una memòria final. A més d'entregar-la en forma escrita, els resultats d'aquesta memòria seran objecte d'una exposició oral. Una i altra, memòria escrita i exposició oral, han d'anar dirigides principalment a l'entitat, segurament hipotètica, que hauria proposat el problema. Per regla general, els tecnicismes seran relegats a apartats concrets de la memòria escrita.
En les presentacions orals dels projectes s'espera que hi assisteixin tota la classes, i que aquests intervinguin mitjançant preguntes i observacions.
Nota: es reservaran 15 minuts d'una classe, dins del calendari establert pel centre/titulació, per a la complementació per part de l'alumnat de les enquestes d'avaluació de l'actuació del professorat i d'avaluació de l'assignatura/mòdul.
Títol | Pes | Hores | ECTS | Resultats d'aprenentatge |
---|---|---|---|---|
Nota Individual | 30% | 0 | 0 | 2, 3, 1, 4, 5 |
Nota Coavaluació Classe | 10% | 0 | 0 | 1 |
Nota Coavaluació Companys | 10% | 0 | 0 | 1 |
Nota Grupal | 50% | 5 | 0,2 | 2, 3, 1, 4, 6 |
Donat que la major part de la feina gira al voltant d'un conjunt de projectes que es desenvolupa al llarg de tot el curs, l'avaluació té un caràcter continuat, i no preveu el sistema d’avaluació única.
Metodologia de Avaluació
Al final de cada projecte els estudiants es farà una presentació oral del projecte i entregaran una memòria del treball realitzat. Ambdós seran avaluats per part dels professors de l'assignatura siguin o no els tutors. Els estudiants no realitzaran cap examen escrit.
Per a l'avaluació s'utilitzaran els següents INSTRUMENTS i ACTIVITATS:
Qualificacions
Cada projecte tindrà una nota que es calcularà de la següent manera:
Nota Projecte = 0,5 * Nota Grupal + 0,3 * Nota Individual + 0,1 * Nota Coavaluació Companys + 0,1 * Nota Coavaluació Classe
on
La nota final sortirà del la mitjana ponderada de lesnotes dels projectes realitzats. La ponderació serà la mateixa per tots els projectes
Per aprovar l'assignatura s'hauran de cumplir tots els requeriments següents:
Per a distingir entre ‘suspens’ i ‘no presentat’ es fixa una data límit per a que els estudiants es puguin donar de baixa de l'avaluació, en el qual cas apareixeran com a ‘no presentats’. Per a donar-se de baixa caldrà comunicar-ho al professor, per escrit o mitjançant correu eletrònic, i obtenir un acús de rebuda.
Recuperació:
En cas que algun dels projectes la nota sigui inferior a 4, es podrà tornar a presentar el dia que és fixi com a examen de recuperació en els horaris publicats per la coordinació a la pagina web de l'escola
Matrícules d’honor: Atorgar una qualificació de matrícula d'honor és decisió del professorat responsable de l'assignatura. La normativa de la UAB indica que les MH només es podran concedir a estudiants que hagin obtingut una qualificació final igual o superior a 9.00 i el seu nombre no pot superar el 5% del total d’estudiants matriculats.
En el cas que el nombre d'estudiants amb nota superior o igual a 9 siguin més del 5% del total de matriculats, els criteris a aplicar en l'ordre enumerat a continuació seran els següents :
Procediment de revisió de les qualificacions
Els estudiants tindran dret a la revisió de les notes publicades en el lloc i els dies indicats.
Irregularitats per part de l’estudiant/a, còpia i plagi
Sense perjudici d'altres mesures disciplinàries que s'estimin oportunes, i d'acord amb la normativa acadèmica vigent, les irregularitats comeses per una estudiant que puguin conduir a una variació de la qualificació es qualificaran amb un zero (0). Per exemple, plagiar, copiar, deixar copiar... una activitat d'avaluació implicarà suspendre aquesta activitat d'avaluació amb un zero (0). Les activitats d'avaluació qualificades d'aquesta forma i per aquesta raó no seran recuperables. Si és necessari superar qualsevol d'aquestes activitats d'avaluació per aprovar l'assignatura, aquesta assignatura quedarà suspesa directament, sense oportunitat de recuperar-la en el mateix curs.
Forsyth & Ponce, Computer Vision: A Modern Approach, Pearson, 2002, ISBN 0130851981
Computer vision, Linda G. Shapiro and George C. Stockman.
Introductory techniques for 3-D computer vision, Emanuele Trucco and Alessandro Verri.
Python amb llibreries openCV, pytorch. Eventualment Matlab. En la mesura del possible es facilitarà acces a clusters de GPUs i CPUs
Nom | Grup | Idioma | Semestre | Torn |
---|---|---|---|---|
(PAUL) Pràctiques d'aula | 811 | Català | primer quadrimestre | matí-mixt |