Universidad Pública de Navarra - Nafarroako Univertsitate Publikoa
Universidad Pública de Navarra
Año Académico: 2023/2024 | Otros años: 2022/2023
| Código: 505408 | Asignatura: PROCESAMIENTO DE IMAGEN | ||||
| Créditos: 3 | Tipo: Optativa | Curso: 4 | Periodo: 2º S | ||
| Departamento: Estadística, Informática y Matemáticas | |||||
| Profesorado: | |||||
| LOPEZ MOLINA, CARLOS (Resp) [Tutorías ] | |||||
Descripción/Contenidos
Presentación de la información visual y su estructura. Modelos matemáticos para la comprensión y el análisis de imagen y video. Resolución de problemas e implementación de soluciones en problemas de visión.
Competencias genéricas
- CB2- Que los estudiantes sepan aplicar sus conocimientos a su trabajo o vocación de una forma profesional y posean las competencias que suelen demostrarse por medio de la elaboración y defensa de argumentos y la resolución de problemas dentro de su área de estudio.
- CB3- 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.
- CB4- Que los estudiantes puedan transmitir información, ideas, problemas y soluciones a un público tanto especializado como no especializado.
- CB5- Que los estudiantes hayan desarrollado aquellas habilidades de aprendizaje necesarias para emprender estudios posteriores con un alto grado de autonomía.
Competencias específicas
- CE14 - Manejar, organizar información estadística e interpretar las técnicas de visualización y preprocesamiento de datos.
- CE15- Ser capaces de pensar críticamente sobre los datos, identificando los modos de almacenamiento, pre-procesamiento y análisis más adecuados para los objetivos del estudio.
- CE18- Comprender los conceptos fundamentales relacionados con los problemas que implican grandes volúmenes de datos
Resultados aprendizaje
- RA1. Tener un conocimiento más amplio y profundo sobre aspectos específicos del ámbito de la ciencia de datos.
Metodología
| Metodologías Docentes | Horas presenciales | Horas no presenciales |
| A1- Clase expositivas/participativas | 14 | |
| A2- Prácticas | 14 | |
| A3- Actividades de aprendizaje cooperativo | ||
| A4- Realización de trabajos/proyectos en grupo | 20 | |
| A5- Estudio y trabajo autónomo del estudiante | 21 | |
| A6- Tutorías | 4 | |
| A7- Prueba de evaluación | 2 | |
| Total | 30 | 45 |
Evaluación
| Resultados de aprendizaje | Sistema de evaluación | Peso (%) | Carácter Recuperable | Nota mínima para evaluación |
| RA1 | Proyecto de desarrollo en grupo. Se evaluará en base a una lista objetiva de requisitos. | 40% | Sí | - |
| RA1 | Trabajo individual. Se evaluará en base a un informe a presentar. | 40% | Sí | 5/10 |
| RA1 | Test | 20% | Sí | - |
Si en alguna de las actividades no se cumpliera el mínimo para ponderar, la nota de la asignatura será como máximo 4,9 sobre 10 (suspenso).
Temario
- Tema 1. Información visual
- Fundamentos de visión artificial
- Datos y operadores visuales
- Tema 2. Tareas básicas de visión
- Análisis local
- Análisis de señal y diferenciación
- Análisis espacio-tonal
- Paradigmas multiescala
- Modelos no-basados en píxeles
- Tema 3. Proyectos basados en visión artificial
- Evaluación y cuantificación de proyectos de visión
- Desarrollo de proyectos de visión
Programa de prácticas experimentales
- Práctica 1. Detección y tracking de partículas
- Esta práctica se realizará de manera grupal
- Práctica 2. Implementación de un algoritmo de segmentación
- Esta práctica se realizará de manera individual
Bibliografía
Acceda a la bibliografía que el profesorado de la asignatura ha solicitado a la Biblioteca.
- Vision, D. Marr, MIT Press
- The structure of images, J. Koenderink, Springer
- Dealing with texture, M. Petrou & P. García-Sevilla, Wiley