Visión
Curso 2011-2012
3 Créditos ECTS
Máster en Tecnologías de la Informática
Información académica
Departamento de Ciencia de la Computación e Inteligencia Artificial
Profesor: Domingo Gallardo López (domingo.gallardo@ua.es)
- Saber formular problemas de visión artificial conociendo las aproximaciones metodológicas más importantes.
- Conocer técnicas de extracción de características, segmentación y reconocimiento, así como las interrelaciones entre estos problemas.
- Conocer los métodos más importantes para detección de movimiento, tracking, y visión 3D, así como las interrelaciones entre estos problemas.
- Conocer la interrelación entre algunos problemas y técnicas de visión con otros en el ámbito del reconocimiento de patrones y el aprendizaje.
- Programar adecuadamente soluciones basadas en visión artificial.
- Saber evaluar la adecuación, coste y conveniencia de una solución basada en visión artificial.
- Diseñar y desarrollar sistemas basados en visión artificial, especialmente los relacionados con la robótica.
Teoría
Transparencias y materiales
- Introducción a la Visión Artificial y a sus aplicaciones
- Filtrado de imágenes
- Histogramas, detectores, descriptores y emparejamiento de imágenes
- Búsqueda y tracking de modelos 2D en imágenes
- Visión 3D: modelo y calibración de cámara
- Reconstrucción 3D a partir de nubes de puntos - Antonio Botía
Prácticas
- Desarrollo de software para visión artificial con OpenCV, Scipy y Python
- Visión 3D con Point Cloud Library (PCL) - Antonio Botía
Evaluación
Para la evaluación de la asignatura se evaluarán las prácticas realizadas y un trabajo personal que se presentará en la última sesión.
Sobre 100 puntos:
- 50 puntos: prácticas OpenCV
- 10 puntos: prácticas PCL
- 40 puntos: trabajo personal
Trabajos personales
En la última sesión de la asignatura cada alumno realizará una presentación de unos 20 minutos resumiendo uno o varios trabajos publicados (papers de investigación o aplicación práctica) que utilicen o amplien las técnicas vistas en la asignatura. Junto con las transparencias, se entregará también un resumen escrito con una extensión de unas 3.000 palabras.
Presentaciones del miércoles 21 de diciembre:
- Mario Nieto Hidalgo: Generación de texturas para renderizado 3D
- Lorena González: Detección de células en imágenes biomédicas
Presentaciones del viernes 20 de enero:
- Jorge Calvo Zaragoza: Segmentación de imágenes basada en regiones
- Antonio Limiñana Benito: Reconocimiento de lugares
- Antonio Oliver Albert: Sistema de reconocimiento de caras invariante a la edad
- Jose Antonio Serra: Efficient model-based 3D tracking of hand articulations using Kinect
- Luis A. Vivas Tejuelo: Estimación de la trayectoria: aplicación de filtros de Kalman para el seguimiento de un balón de fútbol
Software
Bibliografía
- Richard Szelinsky, Computer Vision: Algorithms and Applications de Szelinsky, Springer, 2011
- Gary Bradsky, Adrian Kaehler, Learning OpenCV, O’Reilly, 2008
- Valentin Haenel, Emmanuelle Gouillart, Gaël Varoquaux, Python Scientific Lecture Notes
Referencias de los materiales docentes
Agradecemos a los siguientes investigadores y profesores que han dejado sus materiales docentes a disposición de la comunidad. Hemos usado parte de esos materiales para diseñar el curso y sus transparencias, que también dejamos a disposición de quien quiera utilizarlas.
- Svetlana Lazebnik, University of North Carolina at Chapel Hill, Computer Vision
- William T. Freeman y Antonio Torralba, MIT, Advances in Computer Vision
- Steven Seitz, y Rick Szelinski, University of Washington: Computer Vision, Winter 2006 y Spring 2008
- Derek Hoiem, University of Illinois, Computer Vision
- Michael J. Black, Brown University, Introduction to Computer Vision
- James Hays, Brown University, Introduction to Computer Vision