|
Tipo A
|
Código |
Competencias Específicas | | | A1 |
Capacidad para la integración de tecnologías, aplicaciones, servicios y sistemas propios de la Seguridad Informática y la Inteligencia Artificial en contextos más amplios y multidisciplinares.
|
| | A8 |
Capacidad de diseñar y desarrollar sistemas, aplicaciones y servicios para la protección de la privacidad y la seguridad informática en sistemas ubicuos.
|
| | A9 |
Capacidad para aplicar métodos matemáticos, estadísticos y de inteligencia artificial para modelar, diseñar y desarrollar aplicaciones, servicios, sistemas inteligentes y sistemas basados en el conocimiento.
|
| | A10 |
Capacidad para utilizar y desarrollar metodologías inteligentes, métodos, técnicas de inteligencia artificial, programas de uso específico, normas y estándares de computación gráfica.
|
| | A11 |
Capacidad para conceptualizar, diseñar, desarrollar y evaluar la interacción persona-ordenador de productos, sistemas, aplicaciones y servicios informáticos mediante técnicas avanzadas de inteligencia artificial.
|
| | A12 |
Capacidad para la creación y explotación de entornos virtuales, y para la creación, gestión y distribución de contenidos multimedia garantizando la protección de la privacidad y los derechos de autor mediante técnicas de seguridad informática e Inteligencia Artificial.
|
| | G1 |
Capacidad para proyectar, calcular y diseñar productos, procesos e instalaciones en los ámbitos de la Seguridad Informática y la Inteligencia Artificial.
|
| | G2 |
Capacidad para el modelado matemático, cálculo y simulación en centros tecnológicos y de ingeniería de empresa, particularmente en tareas de investigación, desarrollo e innovación en ámbitos relacionados con la Seguridad Informática y la Inteligencia Artificial.
|
|
Tipo B
|
Código |
Competencias Transversales | | | CT2 |
Formular valoracions a partir de la gestió i ús eficient de la informació. |
| | CT3 |
Resoldre problemes complexes de manera crítica, creativa i innovadora en contextos multidisciplinars. |
| | CT4 |
Treballar en equips multidisciplinars i en contextos complexes. |
| | CT5 |
Comunicar idees complexes de manera efectiva a tot tipus d’audiències. |
| | CT7 |
Aplicar els principis ètics i de responsabilitat social com a ciutadà i com a professional. |
|
Tipo C
|
Código |
Competencias Nucleares |
| Resultados de aprendizaje |
|
Tipo A
|
Código |
Resultados de aprendizaje |
| | A1 |
Analitza els problemes i les seves causes des d'un enfocament global i de mitjà i llarg termini.
| | | A8 |
Sap desenvolupar tècniques avançades de visió artificial en càmeres i altres sistemes encastats i ubics
| | | A9 |
Sap implementar tècniques avançades de visió artificial.
| | | A10 |
Utilitza tècniques de computació gràfica
| | | A11 |
Integra sistemes artificials que interactuen amb humans mitjançant visió artificial
| | | A12 |
Analitza continguts multimèdia mitjançant tècniques de reconeixement de patrons i visió artificial
| | | G1 |
Integra els coneixements teòrics amb les realitats a les quals es poden aplicar.
| | | G2 |
Aplica les tècniques apreses en contextos concrets.
|
|
Tipo B
|
Código |
Resultados de aprendizaje |
| | CT2 |
Formular valoracions a partir de la gestió i ús eficient de la informació.
| | | CT3 |
Resoldre problemes complexes de manera crítica, creativa i innovadora en contextos multidisciplinars.
| | | CT4 |
Treballar en equips multidisciplinars i en contextos complexes.
| | | CT5 |
Comunicar idees complexes de manera efectiva a tot tipus d’audiències.
| | | CT7 |
Aplicar els principis ètics i de responsabilitat social com a ciutadà i com a professional.
|
|
Tipo C
|
Código |
Resultados de aprendizaje |
| tema |
Subtema |
| Tema 1.- Preprocesado de imágenes. |
Filtrado, compensación y mejora de imágenes, operaciones morfológicas. |
| Tema 2.- Extracción de características geométricas. |
Identificación de esquinas, rectas y formas geométricas básicas. |
| Tema 3.- Análisis de color y textura. |
Modelos de color, tipos de textura, extracción de características texturales, métodos geométricos.
|
| Tema 4.- Segmentación y clasificación de imágenes. |
Segmentación no supervisada basada en contornos y regiones, clasificación supervisada, métodos teóricos de decisión, métodos probabilísticos, redes neuronales.
|
| Tema 5.- Visión estereoscópica. |
Calibración de cámaras y sistemas de cámaras, geometría epipolar, rectificación de imágenes, búsqueda de correspondencias, triangulación.
|
| Tema 6.- Percepción y modelado tridimensional. |
Generación de mapas de profundidad, extracción de elementos geométricos básicos, generación automática de escenas, reconocimiento de escenas, hashing geométrico.
|
| Metodologías :: Pruebas |
| |
Competencias |
(*) Horas en clase
|
Horas fuera de clase
|
(**) Horas totales |
| Actividades introductorias |
|
1 |
1.5 |
2.5 |
| Practicas a través de TIC en aulas informáticas |
|
10 |
15 |
25 |
| Presentaciones/exposiciones |
|
1 |
1.5 |
2.5 |
| Sesión magistral |
|
25 |
33.5 |
58.5 |
| Resolución de problemas/ejercicios en el aula ordinaria |
|
4 |
6 |
10 |
| Atención personalizada |
|
1 |
0 |
1 |
| |
| Pruebas de desarrollo |
|
2 |
5 |
7 |
| Pruebas objetivas de preguntas cortas |
|
1 |
5 |
6 |
| |
(*) En el caso de docencia no presencial, serán las horas de trabajo con soporte virtual del profesor.
(**) Los datos que aparecen en la tabla de planificación son de carácter orientativo, considerando la heterogeneidad de los alumnos |
Metodologías
| |
descripción |
| Actividades introductorias |
Presentación de la asignatura: motivación, objetivos, contenidos, metodología docente, bibliografía y evaluación. |
| Practicas a través de TIC en aulas informáticas |
Utilización práctica de simuladores relacionados con los contenidos de la asignatura y desarrollo de nuevas funcionalidades. |
| Presentaciones/exposiciones |
Exposición oral por parte de los alumnos de trabajos de profundización en temas concretos de la asignatura. Evaluación por parte del profesor. |
| Sesión magistral |
Explicación de contenidos teóricos por parte del profesor. |
| Resolución de problemas/ejercicios en el aula ordinaria |
Realización autónoma en grupos de dos estudiantes de trabajos prácticos relacionados con los principales temas de la asignatura. Elaboración de un informe escrito. Evaluación final por el profesor. |
| Atención personalizada |
Atención por parte del profesor a cada estudiante en las horas de consulta del profesor. |
|
descripción |
|
Consultas/Tutorías: Resolución de dudas teóricas y prácticas. Corrección de prácticas. Revisión de exámenes. |
|
Metodologías |
Competencias
|
descripción |
Peso |
|
|
|
|
| Practicas a través de TIC en aulas informáticas |
|
Realización por parte de los estudiantes de trabajos prácticos relacionados con los principales temas de la asignatura utilizando las herramientas informáticas de visión por computador explicadas en las clases prácticas. Elaboración de un informe escrito. |
40 |
| Presentaciones/exposiciones |
|
Realización autónoma en grupos de dos estudiantes de trabajos prácticos relacionados con los principales temas de la asignatura. Elaboración d’un informe escrito. Presentación oral. Evaluación final por parte del profesor. |
20 |
| Pruebas de desarrollo |
|
Realización de pruebas de desarrollo |
20 |
| Pruebas objetivas de preguntas cortas |
|
Pruebas objetivas de preguntas cortas |
20 |
| Otros |
|
|
|
| |
|
Otros comentarios y segunda convocatoria |
|
Los estudiantes que no aprueben la evaluación continua pueden recuperar las partes suspendidas o no presentadas en la segunda convocatoria. En todos los exámenes escritos no se podrá llevar ningún tipo de dispositivo electrónico. |
| Básica |
E. Trucco, A. Verri, Introductory Techniques for 3-D Computer Vision, Prentice Hall, 1998
L. Shapiro, G. Stockman, Computer Vision, Prentice Hall, 2001
D.A. Forsyth, Computer Vision: A Modern Approach, Pearson Education, 2012
N.J. Hackensack, Handbook of pattern recognition and computer vision, Imperial College Press, 2010
R. Szeliski, Computer vision: algorithms and applications, Springer, 2011
|
|
| Complementaria |
O. Faugeras, Three-Dimensional Computer Vision, MIT Press, 1993
E.R. Davies, Machine Vision: Theory, Algorithms, Practicalities, Academic Press, 1997
|
|
(*)La Guía docente es el documento donde se visualiza la propuesta académica de la URV. Este documento es público y no es modificable, excepto en casos excepcionales revisados por el órgano competente o debidamente revisado de acuerdo la normativa vigente. |
|