Profesores Titulares
Profesores Docentes
Las asignaturas MD005 y MD008
Los objetivos se centrarán en:
Adquisición de conocimientos de procesado de imagen, técnicas básicas de manipulación y extracción de características visuales.
Aplicación de diversas técnicas de machine learning y deep learning a la solución de problemas de visión por computador (clasificación, detección, segmentación, tracking).
TEMARIO
1. Procesado de imágenes I: Definición de imágenes y procesado básico de color y deformaciones espaciales. (Teórico-práctica) (1.5 horas)
2. Procesado de imágenes II: Técnicas de filtrado, morfología, segmentación, descriptores de baja escala. (Teórico-práctica) (1.5 horas)
3. Procesado de imágenes III: Extracción clásica de descriptores visuales: Histogramas, HOG, LBP, Fourier, Wavelets, filtros. (Teórico-práctica) (1.5 horas)
4. Visión por computador I: Métodos de clasificación, detección y segmentación (Machine Learning). (Teórica) (1.5 horas)
5. Visión por computador II: Práctica de machine learning: KNN, SVM, Random forest. (Práctica) (1.5 horas)
6. Visión por computador III: Deep learning aplicado a detección/clasificación. (Teórica) (1.5 horas)
7. Visión por computador IV: Práctica de Deep Learning. (Práctica) (1.5 horas)
8. Visión por computador V: Técnicas avanzadas de deep learning, transfer learning, generación de imágenes. (Teórico-práctica) (1.5 horas
Nota: los temas pueden ajustarse y/o modificarse a criterio de la coordinación del máster.
La metodología utilizada combina clases magistrales, participación de los estudiantes, realización de un ejercicio práctico en clase y resolución de un reto o trabajo de investigación final. Para el alumno, esto implicará trabajo a realizar en grupo con una presentación oral en clase y un trabajo individual.
Esta asignatura se evaluará de manera continuada a partir de la resolución de un reto propuesto a resolver, o alternativamente, un trabajo de investigación sobre soluciones ya existentes de un problema específico en el ámbito científico, y una presentación final en clase.
Evaluación continua
Esta asignatura se evaluará de manera continuada a partir de la resolución de un reto propuesto a resolver, o alternativamente, un trabajo de investigación sobre soluciones ya existentes de un problema específico en el ámbito científico, y una presentación final en clase.
La nota final será una ponderación de:
- Resolución reto (implementación) y/o presentación del trabajo de investigación: 80%
- Cuestionarios en clase: 20%
Convocatoria extraordinaria
Se determinará el examen y/o trabajos de convocatoria extraordinaria desde la coordinación de la asignatura.
Normativa de copias
La asignatura se rige por la normativa de copias general de La Salle Campus BCN:
https://www.salleurl.edu/es/normativa-de-copias
Las actividades formativas se considerarán que tienen la siguiente categoría:
Trabajo o reto: altamente significativa
La bibliografía se irá detallando a lo largo de la asignatura.
Todo el material de clase (presentaciones, ejercicios, artículos, documentos, etcétera) se compartirán en la carpeta de la asignatura de la Intranet de La Salle: eStudy.
La bibliografía complementaria se irá detallando a lo largo de la asignatura.