
Métodos Avanzados de Procesamiento de Señal, Imagen y Video
Código: 104367Créditos: 6
| Titulación | Tipo | Curso |
|---|---|---|
| Ingeniería de Datos | OP | 4 |
Profesor/a de contacto
- Nombre :
- Debora Gil Resina
- Correo electrónico :
- debora.gil@uab.cat
Equipo docente
- Debora Gil Resina
Idiomas de los grupos
Puede consultar esta información al final del documento.
Prerrequisitos
(Ver la versión oficial en catalán)
Objetivos
Aproximadamente cada década hay un tsunami tecnológico que transforma múltiples industrias . La Inteligencia Artificial (IA) es esta ola que arrasa en el mundo tecnológico actual. Si alguna vez te has preguntado:
-
¿cómolos ordenadores realizan la detección de caras en multitudes?
-
como las aplicaciones de videollamadas desenfocan el fondo o reemplazan el fondo con otras imágenes?
-
como se desplazan los coches autónomos de forma segura en un entorno urbano?
-
como se sigue el balón con tanta precisión en eventos deportivos televisados como tenis, fútbol y baloncesto?
-
podemos saber el tratamiento de cáncer más efectivo a partir de datos multimodales del paciente?
-
podemos saber las emociones de una persona con un smart watch y un video?
-
como aprenden a hablar las máquinas?
Si hemos despertado su curiosidad, este curso es lo que necesitas. En este curso aprenderemos sobre temas en Visión por Ordenador como Seguimiento de Objetos, Procesamiento de Volúmenes, Medicina Personalizada, Detección de Caras, Flujo Óptico, estimación de Pose Humana y muchos más.
A diferencia de otros cursos de visión por ordenador, este curso se acerca a la visión por ordenador de manera más práctica, experiencial e intuitiva. Su principal componente es un conjunto de proyectos que debe ser desarrollados por los estudiantes repartidos en equipos. Todo lo que se necesita es un conocimiento práctico del lenguaje de programación Python.
Utilizaremos OpenCV que es la biblioteca de visión por ordenador más grande y popular del mundo. Lo utilizan miles de empresas, productos y dispositivos y se prueba cada día para obtener escalabilidad y rendimiento. Además aprenderemos a diseñar y adaptar redes específicas ya escoger cuál es el método de procesado más adecuado según los requerimientos y restricciones de cada aplicación.
En resumen, Métodos avanzados de procesamiento de señal, imagen y vídeo es una assignaturade carácter eminentemente práctico e interdisciplinar que se sitúa en el puente que hay entre la inteligencia artificial y el mundo real y que pretende recorrer este puente en ambas direcciones.
Conocimientos:
Describir y relacionar las fases en que se divide la solución a un problema de análisis de procesamiento de la señal.
Identificar las ventajas e inconvenientes de los algoritmos de visión por ordenador y de procesamiento de la señal.
Resolver problemas reales relacionados con técnicas de visión por ordenador.
Entender el resultado y las limitaciones de las técnicas de visión en diferentes casos de estudio.
Saber escoger el algoritmo de visión por ordenador más adecuado para solucionar una tarea dada.
Saber elegir las técnicas de visión por ordenador más adecuadas para solucionar problemas contextualizados.
Habilidades:
Reconocer las situaciones en las que laaplicación de algoritmos de procesamiento de la señal puede ser adecuado para solucionar un problema.
Analizar el problema a resolver y diseñar la solución óptima aplicando las técnicas aprendidas.
Redactar documentos técnicos relacionados con el análisis y la solución de unproblema.
Programar los algoritmos básicos para solucionar los problemas propuestos.
Evaluar los resultados de la solución implementada y valorar las posibles mejoras.
Defender y argumentar las decisiones tomadas en la solución de los problemas propuestos.
Competencias
Buscar, seleccionar y gestionar de manera responsable la información y el conocimiento.
Concebir, diseñar e implementar el sistema de adquisicióde datos más adecuado para alproblema concreto que hay que resolver.
Desarrollar un pensamiento y un razonamiento crítico y saber comunicarlos de manera efectiva, tanto en las lenguas propias como en inglés.
Que los estudiantes tengan la capacidad de reunir e interpretar datos relevantes (normalmente dentro de su área de estudio) para emitir juicios que incluyan una reflexión sobre temas relevantes.
Resultados de aprendizaje
Buscar, seleccionar y gestionar de manera responsable la información y el conocimiento.
Desarrollar un pensamiento y un razonamiento crítico y saber comunicarlos de manera efectiva, tanto en las lenguas propias como en inglés.
Diseñar un sistema de adquisición de imágenes y vídeos y aplicar los métodos básicos de la visión por ordenador a problemas específicos.
Escoger los métodos de representación del conocimiento más adecuados para la extracción de los objetos presentes en la escena, imagen o vídeo y su análisis posterior.
Extraer y analizar el movimiento de un vídeo (seguimiento de objetos, puntos característicos a lo largo de un vídeo, etc.)
Resultados de aprendizaje
- Que los estudiantes tengan la capacidad de reunir e interpretar datos relevantes (normalmente dentro de su área de estudio) para emitir juicios que incluyan una reflexión sobre temas relevantes de índole social, científica o ética.
- Generar propuestas innovadoras y competitivas en la actividad profesional y en la investigación.
- Demostrar sensibilidad hacia los temas éticos, sociales y medioambientales.
- Que los estudiantes hayan desarrollado aquellas habilidades de aprendizaje necesarias para emprender estudios posteriores con un alto grado de autonomía.
- Escoger y modificar los métodos de aprendizaje computacional más adecuados a los requerimientos del ámbito de ciencias de la salud.
- Escoger e interpretar los modelos predictivos más adecuados para la gestión medioambiental en Smart Cities.
Contenidos
1 - Introducción a la Visión por Computador y la OpenCV
2 - Métodos basados en extracción y selección de características
3 - Métodos basados en Deep Learning
4 - Cómo elegir el método más adecuado. Diseño y Validación Experimental.
5 - Procesamiento y Análisis de Imágenes. Segmentación y Reconocimiento
6 - Procesamiento y Análisis de señales temporales. Vídeo (tracking), series temporales (señales biométricas)
7 - Procesamiento y Análisis de Volúmenes 3D.
8 - Procesamiento y Análisis de Datos multimodal.
Actividades formativas y Metodología
| Título | Horas | ECTS | Resultados de aprendizaje |
|---|---|---|---|
| Trabajo personal | 115 | 4,6 | |
| Seminarios de trabajo en equipo | 20 | 0,8 | |
| Clases de teoría | 10 | 0,4 |
La gestión de la docencia de la asignatura se hará a través del Campus Virtual(http://cv.uab.cat/),que servirá como herramienta de gestión los equipos de trabajo, hacer las entregas correspondientes, ver las notas, comunicarse con los profesores, etc.
El proyecto
El curso seguirá una metodología docente de aprendizaje llamada Aprendizaje Basado en Proyectos (ABP). La metodología ABP pretende potenciar y motivar al estudiante en su aprendizaje. Se formarán grupos de entre 5 y 6 estudiantes a los que se les encargará la realización de un conjunto de proyectos (de tamaño medio) a lo largo del semestre. Se hará un seguimiento semanal y tutorización tanto grupal como individual de los estudiantes
Los proyectos son fijados por el profesorado de forma que cumpla las siguientes condiciones: ser lo más real posible; ser tratable mediante herramientas elementales; no tener asociado un algoritmo de solución standard.
Por otra parte, es esencial entender que no se trata de encontrar un algoritmo que funcione en el 100 x 100 de los casos -a menudo no existe tal cosa- sino simplemente de \"dar una propuesta de solución razonable\".
Los proyectos deben desarrollar cada equipo con la máxima autonomía posible. Cada equipo tendrá asignado un tutor que seguirá la evolución pero en principio se abstendrá de imponer sus ideas. Por otra parte, el estudiante debe tener claro que no se trata de buscar la 'solución' del problema en otros lugares, sino de hacer una aportación original. Esto no quiere decir que haya que renunciar a la información que pueda existir en la bibliografía o en Internet; pero cuando se haga uso hay que tener informado el profesor y explicarlo en la memoria.
La realización del proyecto debe terminar en un programa y una memoria final. Además de entregarla en forma escrita, los resultados de esta memoria prodrán ser objeto de una exposición oral. Una y otra, memoria escrita y exposición oral, deben ir dirigidas principalmente a la entidad, seguramente hipotética, que habría propuesto el problema. Por regla general, los tecnicismos serán relegados a apartados concretos de la memoria escrita.
En las presentaciones orales de los proyectos se espera que asistan toda la clases, y que estos intervengan mediante preguntas y observaciones.
Evaluación
Actividades de evaluación continuada
| Título | Peso | Horas | ECTS | Resultados de aprendizaje |
|---|---|---|---|---|
| Nota Individual | 30% | 2,5 | 0,1 | 1, 4 |
| Nota Grupal | 70% | 2,5 | 0,1 | 1, 2, 3, 5, 6 |
Dado que la mayor parte del trabajo gira en torno a un conjunto de proyectos que se desarrollan a lo largo de todo el curso, la evaluación tiene un carácter continuado, y no contempla el sistema de evaluación única.
Metodología de Evaluación
Al final de cada proyecto los estudiantes se hará una presentación oral del proyecto y entregarán una memoria del trabajo realizado. Ambos serán evaluados por parte de los profesores de la asignatura sean o no los tutores. La evaluación de cada proyecto tendrá una parte grupal (70%) y una individual (40%).
Nota Grupal (70%). La nota grupal se obtendrá de la valoración de la memoria de cada proyecto y el código entregado. La memoria deberá seguir el modelo proporcionado al CV. Se valorará el grado de dificultad técnica, diseno experimental reproducible, analisis de métricas e interpretación de resultados. La memoria deberá incluir un apartado donde se especifique cuál es la contribución de cada miembro del grupo y cuál os se ha hecho de la IA.
Por cada proyecto, se podrá solicitar el uso de mejillas especificas que constituyan conocimientos y habilidades básicas que el estudiante debe haber adquirido en la resolución del problema propuesto. El código debe permitir ejecutar un caso de uso y se podrá utilizar para verificar que los estudiantes han desarrollado correctamente el proyecto,
Nota Individual (30%). Evaluación individual continuada a partir del seguimiento de clase, la contribución al proyecto y las respuestas a las preguntas del profesor sobre el proyecto. Estas preguntas se harán bien en una pequeña sesión oral o por escrito.
Calificaciones
Cada proyecto tendrá una nota que se calculará de la siguiente manera:
Nota Proyecto = 0,7 * Nota Grupal + 0,3 * Nota Individual
La nota final saldrá del la media ponderada de las notas de los proyectos realizados. La ponderación será la misma para todos los proyectos
Para aprobar la asignatura deberán cumplirse todos los siguientes requerimientos:
- la nota final deberá ser mayor o igual que 5
- haber entregado todos los proyectos.
- la nota todos los proyectos debe ser superior o igual a 4
Para distinguir entre 'suspenso' y 'no presentado' se fija una fecha límite para que los estudiantes puedan dar de baja de la evaluación, en cuyo caso aparecerán como 'no presentados'. Para darse de baja será necesario comunicarlo al profesor, por escrito o mediante correo eletrónico, y obtener un acús de recibo.
Recuperación:
En caso de que alguno de los proyectos la nota sea inferior a 4, se podrá volver a presentar el día que se fije como examen de recuperación en los horarios publicados por la coordinación en la pagina web de la escuela.
Matrículas de honor: Otorgar una calificación de matrícula de honor es decisión del profesorado responsable de la asignatura. La normativa de la UAB indica que las MH sólo se podrán conceder a estudiantes que hayan obtenido una calificación final igual o superior a 9.00 y su número no puede superar el 5% del total de estudiantes matriculados.
En el caso de que el número de estudiantes con nota superior o igual a 9 sean más del 5% del total de matriculados, los criterios a aplicar en el orden enumerado a continuación serán los siguientes :
- Se priorizan los que tienen Nota Individual más alta.
- Se priorizan los que tienen Nota Coevaluación Compañeros más alta.
- Se priorizan los que tienen Nota Coevaluación Clase más alta.
Procedimiento de revisión de las calificaciones
Los estudiantes tendrán derecho a la revisión de las solicitudes publicadas en el lugar y los días indicados.
Irregularidades por parte del estudiante/a, copia y plagio
Sin perjuicio de otras medidas disciplinarias que se estimen oportunas, y de acuerdo con la normativa académica vigente, las irregularidades cometidas por una estudiante que puedan conducir a una variación de la calificación se calificarán con un cero (0). Por ejemplo, plagiar, copiar, dejar copiar... una actividad de evaluación implicará suspender esta actividad de evaluación con un cero (0). Las actividades de evaluación calificadas de esta forma y por esta razón no serán recuperables. Si es necesario superar cualquiera de estas actividades de evaluación para aprobar la asignatura, esta asignatura quedará suspendida directamente, sin oportunidad de recuperarla en el mismo curso.
Uso de la IA
La IA debe usarse como una herramienta de apoyo al aprendizaje, en ningún caso puede suspender el proceso de aprendizaje del alumno. Si se detecta que el texto de los reportes está hecho exclusivamente con IA sin ninguna aportación por parte del estudiante, no se corregirá. Si el código se hace con IA, es responsabilidad del estudiante entender los mecanismos usados y verificar su funcionalidad.
Bibliografía
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.
Software
Python con librerías OpenCV, pytorch. Eventualmente Matlab. En la medida del posible es facilitar el acceso a clústeres de GPUs i CPUs
Grupos e idiomas de la asignatura
La información proporcionada es provisional hasta el 30 de noviembre. A partir de esta fecha, podrá consultar el idioma de cada grupo a través de este enlace. Para acceder a la información, será necesario introducir el CÓDIGO de la asignatura
| Tipo de docencia | Grupo | Idioma | Semestre | Turno |
|---|---|---|---|---|
| (PAUL) Prácticas de aula | 81 | Catalán/Español | primer cuatrimestre | manaña-mixto |