Competencies and objectives

 

Course context for academic year 2023-24

La visión artificial es un área de la inteligencia artificial cuyo objetivo principal es hacer posible que la máquinas interpreten imágenes y videos. Gracias a la posiblidad de analizar entradas visuales, tiene aplicación en multitud de campos como la medicina, la industria, la seguridad, etc. En la actualidad, el uso de técnicas avanzadas de aprendizaje profundo y la capacidad de procesar grandes cantidades de datos han llevado a importantes avances en la visión artificial.

En esta asignatura se profundizará en las técnicas de procesamiento y análisis de imágenes y videos mediante el uso de herramientas avanzadas de visión artificial. En cuanto a las técnicas de análisis de secuencias de imágenes y video, permitirá a los estudiantes entender cómo se pueden extraer patrones temporales de datos visuales y cómo se pueden aplicar a aplicaciones como la vigilancia, el seguimiento de objetos y la detección de eventos anómalos. Además, se estudiarán técnicas de procesamiento y análisis de datos tridimensionales que pueden ser utilizados en aplicaciones como la robótica, la realidad virtual y aumentada, la inspección industrial, la ingeniería biomédica. Por último, se estudiará la generación de imágenes y video utilizando redes neuronales profundas, lo que permitirá a los estudiantes entender cómo se pueden utilizar estas técnicas para sintetizar imágenes y video a partir de modelos de aprendizaje profundo.

Se espera que al final de la asignatura, los estudiantes hayan adquirido habilidades en el uso de técnicas avanzadas de visión artificial y sean capaces de aplicarlas para resolver problemas en distintos campos. También se espera que los estudiantes comprendan las limitaciones y desafíos en el uso de estas técnicas, y estén al tanto de las últimas tendencias y desarrollos en el campo de la visión artificial.

 

 

Course content (verified by ANECA in official undergraduate and Master’s degrees) for academic year 2023-24

Transversal Competences

  • CT1 : Ser capaç de liderar projectes relacionats amb la intel·ligència artificial, així com dirigir equips de treball.
  • CT2 : Demostrar destreses informàtiques i informacionals en l'àmbit de la intel·ligència artificial.
  • CT3 : Demostrar habilitats en comunicació oral i escrita.

 

General Competences

  • CG10 : Ser capaç d'utilitzar els principis de l'enginyeria i les modernes tecnologies informàtiques per a investigar, dissenyar, implementar noves aplicacions de la intel·ligència artificial.
  • CG2 : Ser capaç de desenvolupar i aprendre de forma acte-dirigida o autònoma temes relacionats amb la intel·ligència artificial
  • CG6 : Ser capaç d'adaptar-se a entorns relacionats amb la intel·ligència artificial, fomentant el treball en equip, la creativitat, la capacitat crítica i l'esperit emprenedor.
  • CG7 : Ser capaç d'adaptar-se a la constant evolució de la disciplina i de comprendre i aplicar els nous avanços técnicocientíficos relacionats amb la intel·ligència artificial.
  • CG8 : Saber projectar, dissenyar, desenvolupar, implantar i mantenir productes, aplicacions i serveis relacionats amb la intel·ligència artificial, tenint en compte aspectes tècnics, econòmics i d'eficiència.

 

Specific Competences

  • CE12 : Conèixer i aplicar tècniques avançades de visió artificial per a aplicacions de diferents àmbits.

 

Basic Competences

  • CB10 : Que els estudiants posseïsquen les habilitats d'aprenentatge que els permeten continuar estudiant d'una manera que haurà de ser en gran manera autodirigido o autònom.
  • CB6 : Posseir i comprendre coneixements que aporten una base o oportunitat de ser originals en el desenvolupament i/o aplicació d'idees, sovint en un context d'investigació
  • CB7 : Que els estudiants sàpien aplicar els coneixements adquirits i la seua capacitat de resolució de problemes en entorns nous o poc coneguts dins de contextos més amplis (o multidisciplinaris) relacionats amb la seua àrea d'estudi
  • CB8 : Que els estudiants siguen capaços d'integrar coneixements i enfrontar-se a la complexitat de formular judicis a partir d'una informació que, sent incompleta o limitada, incloga reflexions sobre les responsabilitats socials i ètiques vinculades a l'aplicació dels seus coneixements i judicis
  • CB9 : Que els estudiants sàpien comunicar les seues conclusions i els coneixements i raons últimes que les sustenten a públics especialitzats i no especialitzats d'una manera clara i sense ambigüitats

 

 

 

Learning outcomes (Training objectives)

- Know and understand advanced analysis techniques using artificial vision on image, video and 3D scenes.

- Design neural network architectures for the detection, tracking and recognition of regions of interest in the scene.

- Conceive integral 3D vision solutions to particular problems in different fields.

- Know and implement video sequence analysis techniques to tackle different problems and application levels.

- Identify the best neural network architectures to solve image and video generation problems for different fields.

 

 

Specific objectives stated by the academic staff for academic year 2023-24

No data

 

 

General

Code: 43512
Lecturer responsible:
AZORIN LOPEZ, JORGE
Credits ECTS: 4,50
Theoretical credits: 0,90
Practical credits: 0,90
Distance-base hours: 2,70

Departments involved

  • Dept: INFORMATION TECHNOLOGY AND COMPUTING
    Area: COMPUTER ARCHITECTURE
    Theoretical credits: 0,9
    Practical credits: 0,9
    This Dept. is responsible for the course.
    This Dept. is responsible for the final mark record.

Study programmes where this course is taught