Competències i objectius

 

Context de l'assignatura per al curs 2021-22

L'assignatura Visió artificial avançada tracta sobre mètodes d'intel·ligència artificial aplicats a l'automàtica i robòtica. Aquests mètodes, principalment d'aprenentatge profund, permetran poder reconèixer objectes i extreure informació sobre ells.

L'assignatura és optativa i es recomana haver cursat una altra optativa, Aprenentatge automàtic

 

 

Competències de l'assignatura (verificades per ANECA en graus i màsters oficials)

Competències generals:>>Instrumentals

  • CG1 : Assessorament sobre elecció, adquisició i posada en marxa de sistemes robòtics o d'automatització en diferents aplicacions.
  • CG2 : Prendre decisions en el disseny i la planificació d'un projecte de robòtica o d'automatització tenint en compte criteris de qualitat i mediambientals.
  • CG3 : Posar en marxa i mantenir sistemes robòtics o d'automatització que satisfacen els requeriments d'aplicacions industrials o de serveis.
  • CG6 : Anàlisi, síntesi de problemes i presa de decisions.

 

Competències generals:>>Interpersonals

  • CG10 : Raonament crític.

 

Competències generals:>>Sistemàtiques

  • CG12 : Capacitat per a aplicar els coneixements a problemes reals.
  • CG13 : Capacitat per a treballar i aprendre de manera autònoma.
  • CG14 : Capacitat d'adaptació a noves situacions fomentant la creativitat i l'esperit emprenedor.

 

Competències específiques:>>robòtica

  • CER010 : Conèixer i saber aplicar les principals tècniques d'aprenentatge i Deep learning en sistemes robòtics.

 

Competències específiques:>>visió

  • CEVI1 : Analitzar i saber aplicar les eines i tècniques que permeten l'extracció i processament d'informació visual i saber escollir les més adequades depenent de l'àmbit d'aplicació i de l'entorn.
  • CEVI4 : Aplicar mètodes, tècniques i instruments específics per a l'adquisició i formació d'imatge.
  • CEVI5 : Conèixer i aplicar mètodes, tècniques i instruments d'aprenentatge automàtic i Deep learning en visió artificial.

 

Competències específiques:>>sensors

  • CESE1 : Ser capaç de triar les característiques més adequades de què ha de disposar un sistema de percepció d'acord amb la seua aplicació en diferents àmbits i àrees d'automatització industrial o de serveis.
  • CESE2 : Analitzar i entendre la importància i aplicabilitat dels sistemes de percepció en processos de sensorització en sistemes robòtics o automàtics.
  • CESE3 : Ser capaç de configurar sensors, maquinari i programari, així com tots els elements que constitueixen un sistema de percepció.
  • CESE4 : Analitzar i optimitzar el disseny d'un procés de presa de mesures per a obtenir la precisió i exactitud requerides.
  • CESE5 : Avaluar la importància dels límits de mesura dels sistemes sensorials en la significació dels resultats obtinguts.

 

 

 

Resultats d'aprenentatge (Objectius formatius)

  • Conèixer els diferents esquemes utilitzats en visió artificial per al reconeixement d'objectes.
  • Saber desenvolupar esquemes que permetin l'etiquetatge automàtic d'objectes a una imatge.
  • Conèixer les diferents tècniques que permeten estimar la profunditat a partir d'una imatge 2D.
  • Ser capaç de distingir el moviment d'un humà amb visió, de manera que es pugui realitzar el seu seguiment en la imatge.
  • Saber definir esquemes d'intel·ligència artificial basats en xarxes generatives antagòniques.
  • Conèixer diferents aplicacions de visió artificial avançada en la indústria i ser capaç de proposar aplicacions similars.

 

 

Objectius específics indicats pel professorat per al curs 2021-22

  • Conèixer els diferents esquemes utilitzats en visió artificial per al reconeixement d'objectes.
  • Saber desenvolupar esquemes que permetin l'etiquetatge automàtic d'objectes en una imatge.
  • Conèixer les diferents tècniques que permeten estimar la profunditat a partir d'una imatge 2D.
  • Ser capaç de distingir el moviment d'un humà amb visió, de manera que es pugui realitzar el seu seguiment en la imatge.
  • Saber definir esquemes d'intel·ligència artificial basats en xarxes generatives antagòniques.
  • Conèixer diferents aplicacions de visió artificial avançada en la indústria i ser capaç de proposar aplicacions similars.

 

 

;

Dades generals

Codi: 37817
Professor/a responsable:
MARTINEZ MARTIN, ESTER
Crèdits ECTS: 3,00
Crèdits teòrics: 0,44
Crèdits pràctics: 0,76
Càrrega no presencial: 1,80

Departaments amb docència

  • Dep.: CIÈNCIA DE LA COMPUTACIÓ I INTEL·LIGÈNCIA ARTIFICIAL
    Àrea: CIÈNCIA DE LA COMPUTACIÓ I INTEL·LIGÈNCIA ARTIFICIAL
    Crèdits teòrics: 0,44
    Crèdits pràctics: 0,76
    Aquest departament és responsable de l'assignatura.
    Aquest dep. és responsable de l'acta.

Estudis en què s'imparteix