Descripción y contextualización de la asignatura

La Inteligencia Artificial es ya una disciplina científica que aborda prácticamente todos los campos tecnológicos actuales. Se basa en la capacidad de ciertos algoritmos, que, emulando partes del cerebro humano, son capaces de aprender de forma autónoma en base a unos datos mostrados, y posteriormente, de inferir sobre nuevos datos desconocidos conclusiones sobre los mismos. Si los datos son estructurados, hablamos de ciencia de datos, si los datos son textos, de procesamiento de lenguaje natural, y si los datos sobre los que se aplican dichos algoritmos son sobre imágenes, vídeos o datos multimedia, hablamos de visión artificial. La Visión Artificial es, seguramente, la parte de la Inteligencia Artificial que más ha avanzado en los últimos años, dando un salto impresionante a raíz de la aparición de las redes neuronales profundas (Deep Learning). Procesos como el reconocimiento y seguimiento de objetos, robótica, reconstrucción de imágenes, generación, identificación y segmentación de escenas y componentes, realizado por máquinas con una precisión actual similar o incluso mejor que la humana, serían impensables hasta hace pocos años. Es por ello que la Visión Artificial es una de las partes fundamentales de la industria 4.0 actual, la conducción autónoma, la aceleración de diagnósticos precoces en identificación de enfermedades, en el desarrollo de una nueva generación de videojuegos y en la seguridad perimetral avanzada. Esta materia proporciona al alumnado una formación completa y holística sobre los modelos de procesamiento de señal y óptica, así como de los algoritmos clásicos y de los últimos avances aplicados en el estado del Arte de la Visión Artificial, como el objetivo de que el alumnado pueda aplicarlos a distintos proyectos en diferentes contextos industriales.

Resultados del aprendizaje de la asignatura

Conocimientos o contenidos:

RCO9: Conocimiento de los principios teóricos asociados a los parámetros físicos de la formación de la imagen y los conceptos avanzados en proyectos asociados a esta temática.



Competencias:

RC4: Comprender y ser capaz de aplicar las herramientas básicas de investigación en el ámbito de IAI e IAO.



Habilidades o destrezas:

RHE21: Habilidad para utilizar herramientas avanzadas del procesado de imagen y vídeo, así como de señales en el ámbito de la realización de proyectos de visón artificial.

Convocatoria ordinaria: orientaciones y renuncia

Se propone un sistema de evaluación continua con distintos ejercicios y practicas a realizar en el transcurso del curso. A esto se añadirá un proyecto final como conclusión del curso.



Herramientas y porcentajes de calificación:

Se propone una evaluación continua basada en actividades prácticas y proyectos

Ejercicios y prueba final: 20%. Si se realiza prueba final, esta será obligatoria debiendo obtenerse una calificación de 4/10 para poder superar la asignatura. Una nota inferior a un 5/10 en esta parte penalizará la nota final.

Prácticas y Proyecto Final a desarrollar en grupo: 80%. Obligatorio.

El grupo podrá elegir entre distintos proyectos propuestos o uno de su elección acorde con el programa de la asignatura. Se evaluarán: Desarrollo, informe, exposición.

Estos porcentajes podrán tener unas ligeras variaciones que se concretarán en las primeras semanas del curso.



Convocatoria ordinaria

En caso de realizarse, la Prueba Final escrita se desarrollará en la convocatoria de ordinaria y será de carácter teórico práctico.

De deberá obtener una calificación mínima de un 4/10 para poder superar la asignatura, y en caso de obtener una nota inferior a un 5/10 se aplicará una penalización a la nota final. La no realización de esta prueba supondrá una calificación de "No Presentado" en la convocatoria.

Las Prácticas y el Proyecto Final a desarrollar, así como su exposición son obligatorio para la superación de la asignatura.

En el supuesto de que algún alumno desee y pueda acogerse según la normativa vigente a una evaluación mediante una única prueba final, esta situación deberá ser puesta en conocimiento del profesorado de la asignatura por escrito, con la antelación al periodo de exámenes indicada por la normativa. Para la calificación de la asignatura en este supuesto, se desarrollarán las pruebas oportunas que garanticen la correcta evaluación de los conocimientos asociados a la

asignatura.

Más específicamente, la renuncia a la evaluación continua supondrá la renuncia la parte de ejercicios de evaluación continua. Estos conocimientos se evaluarán el día oficial de la prueba final. La parte de prácticas y proyecto final deberá presentarse también ese día para su evaluación.

En este caso, para renunciar a la convocatoria de evaluación bastará con no presentarse a la prueba final. No presentarse a dicha prueba supondrá la renuncia a la convocatoria de evaluación y constará como un "No Presentado".

Convocatoria extraordinaria: orientaciones y renuncia

La convocatoria constará de una prueba final donde se evalúen los conocimientos asociados a la asignatura con las características expuestas en el apartado de la convocatoria ordinaria: Prueba final escrita, Practicas, Proyecto.

Los alumnos que así lo deseen, podrán conservar la nota de las prácticas y proyecto final obtenida durante el curso. La prueba final escrita se deberá realizar bajo las mismas condiciones que en la Convocatoria Ordinaria.

Para renunciar a la convocatoria de evaluación bastará con no presentarse a la prueba final. No presentarse a dicha prueba supondrá la renuncia a la convocatoria de evaluación y constará como un "No Presentado".

Temario

1. Visión por Computador. Luz y Color.

Representación espectral de la luz. Modelos de luz. Óptica fisiológica. Óptica Geométrica.

Color. Óptica asociada a sistemas electrónicos.



2. Procesado de Imagen.

Obtención de Imágenes, Software especializado y Librerias: OpenCV, Pillow, Matlab,

Operaciones de Imágenes, Morfología, Contornos, Resize, Warping



3. Extracción de Características Principales en Imágenes.

Region Features, Line Features, Point Features, Clasificación y etiquetado de objetos.



4. Técnicas avanzadas de procesamiento de Imagen.

DeepLearning, K-NN (clasificadores), Redes Neuronales: convolucionales, Autoencoders, LSTM,

Frameworks avanzados de visión artificial (Yolo, ResNet)



5. Sistemas 3D.

Visión Estéreo, Nubes de puntos.



6. Desarrollo de aplicaciones.

Visión Robótica, Sistemas Médicos, Conducción Autónoma...

Bibliografía

Materiales de uso obligatorio

Dado el alto componente tecnológico de la asignatura y el gran dinamismo de dichas tecnologías, el equipo docente de la asignatura indicará al inicio de la misma el material de uso obligatorio en la misma (si lo hubiera).

Bibliografía básica

D. A. Forsyth, J. Ponce, Computer vision: a modern approach, Prentice Hall, 2003. ISBN-13: 978-0-13-608592-8

P. Corke, Robotics, Vision and Control, Springer, 2017. ISBN 978-3-319-54412-0

R. Szeliski, Computer Vision: Algorithms and Applications, Springer, 2022. ISBN 978-3-030-34372-9

R. C. Gonzalez, R. E. Woods, Digital Image Processing, Pearson, 2018, 4th Ed, ISBN 13: 978-1-292-22304-9

B. Krose, P. van der Smagt.¿An introduction to neural networks, University of Amsterdam, 1996, 8th Ed. Accesible en: https://www.researchgate.net/publication/225067619_An_Introduction_to_Neural_Networks

Bibliografía de profundización

R. I. Hartley, A. Zisserman, Multiple view geometry in computer vision, Cambridge University Press, 2003, 2nd Ed. ISBN: 0521-54051-8



G. Bradski, A. Kaehler.Learning OpenCV: Computer vision with the OpenCV library, O'Reilly Media, Inc., 2008. ISBN: 978-0-596-51613-0



B. D. Ripley, Pattern recognition and neural networks. Cambridge university press, 1996. ISBN: 978-0-521-46086-6



I. Goodfellow, Y. Bengio and A. Courville. Deep Learning. 2016. Cambridge, MA, USA: The MIT Press. ISBN: 978-0262035613



M. A.Nielsen, Neural networks and deep learning. Vol. 25. San Francisco, CA, USA: Determination press, 2015. Accesible en: http://neuralnetworksanddeeplearning.com/

Revistas

Debido al gran dinamismo de los contenidos de la asignatura, no hay conjunto de revistas de referencia asentado respecto a la misma. Al inicio de la asignatura se ofrecerá al alumnado un conjunto de revistas actualizado.

Enlaces

Debido al gran dinamismo de los contenidos de la asignatura, no hay un conjunto de direcciones de Internet asentado respecto a la misma. Al inicio de la asignatura se ofrecerá al alumnado un conjunto de referencias bibliográficas actualizado. Se propondrá al alumnado un conjunto de cursos en Internet sobre el tema para que puedan tener unas referencias más amplias y una visión actualizada de la asignatura. Algunos de estos, en el momento de realizar este documento podrían ser:







- IBM, Computer Vision and Image Processing Fundamentals. https://www.edx.org/course/computer-vision-and-image-processing-fundamentals



- Mathworks. Introduction to Computer Vision. https://www.coursera.org/learn/intro-computer-vision



- Columbia University. First Principles of Computer Vision. https://es.coursera.org/specializations/firstprinciplesofcomputervision



- Universidad Carlos III. Introducción a la visión por computador: desarrollo de aplicaciones con OpenCV. https://www.edx.org/course/introduccion-a-la-vision-por-computador-desarrollo



- Georgia Tech. Introduction to Computer Vision. https://www.udacity.com/course/introduction-to-computer-vision--ud810