Competències i objectius

 

Context de l'assignatura per al curs 2024-25

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.

 

 

Competències de l'assignatura (verificades per ANECA en graus i màsters oficials) per al curs 2024-25

Competències transversals

  • 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.

 

Competències generals

  • 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.

 

Competències Específiques

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

 

Competències bàsiques

  • 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

 

 

 

Resultats d'aprenentatge (Objectius formatius)

- Conèixer i comprendre les tècniques avançades d'anàlisis mitjançant visió artificial sobre imatge, vídeo i escenes 3D.

- Dissenyar arquitectures de xarxes neuronals per a la detecció, seguiment i reconeixement de regions d'interès en l'escena.

- Concebre solucions integrals de visió tridimensional a problemes particulars de diferent àmbit.

- Conèixer i implementar tècniques d'anàlisis de seqüències de vídeo per a abordar diferents problemes i nivells d'aplicació.

- Identificar les millors arquitectures de xarxa neuronal per a solucionar problemes de generació d'imatges i vídeo per a diferents àmbits.

 

 

Objectius específics indicats pel professorat per al curs 2024-25

El objetivo general formativo de la asignatura es proporcionar a los estudiantes un conocimiento sólido y habilidades avanzadas en técnicas de visión artificial, lo que les permitirá diseñar e implementar soluciones de visión artificial en una amplia variedad de aplicaciones.

Específicamente, los objetivos principales son los siguientes:

  • Comprender las técnicas avanzadas de aprendizaje profundo en visión artificial, y cómo se pueden utilizar para la detección, reconocimiento y clasificación de objetos, escenas y eventos, entre otras.
  • Adquirir conocimientos avanzados en técnicas de procesamiento y análisis de datos 3D y 2.5D, y entender cómo se pueden aplicar en diferentes ámbitos.
  • Aprender métodos y técnicas de análisis de secuencias de imágenes y video, y comprender cómo se pueden utilizar para extraer patrones temporales y detectar eventos.
  • Entender la generación de imágenes y video utilizando redes neuronales profundas, y cómo se pueden utilizar para la síntesis de imágenes y video a partir de diferentes modelos de aprendizaje profundo.
  • Desarrollar habilidades para diseñar e implementar soluciones de visión computacional en una amplia variedad de aplicaciones, y tener una comprensión profunda de los desafíos y limitaciones asociados con la visión artificial.

 

 

Dades generals

Codi: 43512
Professor/a responsable:
AZORIN LOPEZ, JORGE
Crèdits ECTS: 4,50
Crèdits teòrics: 0,90
Crèdits pràctics: 0,90
Càrrega no presencial: 2,70

Departaments amb docència

  • Dep.: TECNOLOGIA INFORMATICA I COMPUTACIO
    Àrea: ARQUITECTURA I TECNOLOGIA DE COMPUTADORS
    Crèdits teòrics: 0,9
    Crèdits pràctics: 0,9
    Aquest departament és responsable de l'assignatura.
    Aquest dep. és responsable de l'acta.

Estudis en què s'imparteix