Lan praktikoen helburua da ikaslea sistema hauen funtzionalitate ohikoenekin ohitzea:

irudi digitalen gaineko eragiketa, ordenagailu bidezko ikusmen-sistemen proiekzioarekin. Ikasleak

oinarrizko operadoreen propietateak eta haien konbinazioa ikasiko ditu. Ikasleak ordenagailu bidezko ikusmen sistemen egitura orokorra ezagutuko du, arazo zehatzetarako konfigurazio espezifikoak zehaztu ahal izanik. Ikasleak aplikazio-eremuei buruzko ikuspegi orokorra hartuko du, eta horrek aukera emango dio ordenagailu bidezko ikusmen proiektuen bideragarritasuna edo erabilgarritasuna zehazteko.



GAITASUNAK:



1. Ordenagailu bidezko ikusmenean oinarritutako sistema baten software-eskakizunak aztertzea.

2. Ikusmen-sistemen eta beste software-sistema batzuen arteko elkarreragingarritasuna ezartzea.

3. Ordenagailu bidezko ikusmenean oinarritutako irtenbideen azterketa kritikoa egiteko gaitasuna.

4. Problemak ebazteko artearen egoera definitzea, ordenagailu bidezko ikusmena erabiliz.

0 - Sarrera

1 - Irudi digitala

2 - Irudi transformazioak

3 - Ertzak eta ezaugarriak

4 - Fluxu optikoa

5 - 3D, sakonera eta estereo-ikusmena

5 - Irudi errekonozimendua

6 - Objektu detektoreak

7 - Irudi segmentazioa

9 - Ikaskuntza auto-gainbegiratua

10 - Ikusmena eta testua

Lana laborategian egiten denez, etengabeko interakzioa behar da tresnekin, bai eskola magistraletan, bai praktiketan, irakaskuntza magistralaren zati batek barne hartzen baitu irudiak, prozesuak eta emaitzak momentuan erakustea. Irakaskuntza kontzeptu eta aplikazioen inguruan antolatzen da.



Ikaslearen dedikazioa 60 ordu presentzial eta 60 lanordu pertsonalekoa da. Klaseak oinarrien aurkezpen magistraletan eta lan-proposamenetan antolatzen dira, ikasleak irakasleak emandako datuekin (irudiak edo bideoak) lan egin dezan.

Irakasgaia bi modutan gainditu ahal izango da: etengabeko ebaluazio bidez edo amaierako ebaluazio bidez. Ebaluazio jarraituaren baldintzak betetzen dituen ikasle batek amaierako ebaluazioa aukeratu nahiko balu, irakasgaiko irakasle arduradunei adierazi behar die nahi hori modu honetan eta epe hauetan: eGela bitartez, 12. asteko epean.



Etengabeko ebaluazio-metodoak ez du soilik azterketa zein praktiken errendimendua jasotzen. Horretaz gain, ikasleak ikasgelan duen parte-hartze aktiboa neurtuko da, laborategiko zereginak, idatzizko txostenaren argitasuna, eta ahozko azalpenean erakutsitako komunikazio-gaitasuna.





ETENGABEKO EBALUAZIOA:

A: Lan idatziak -> 6/10

B: Proiektuak - 4/10



OHARRA: Bi lanak derrigorrezkoak dira, eta nota minimoa eskatuko da bietan (5/10).



AMAIERAKO EBALUAZIOA:

A: Lan idatziak -> 7/10

B: Proiektuak - 3/10



OHARRA: Bi lanak derrigorrezkoak dira, eta nota minimoa eskatuko da bietan (5/10).

Lan praktikoak egiteko, Python erabiliko dugu Google Colab ingurunean. Python erabiltzeko erraztasuna ikaslearentzat oso ona izango da irakasgai honetan hobeto ibiltzeko.

Oinarrizko bibliografia

Richard Szeliski, Computer Vision: Algorithms and Applications, Springer

R Hartley y A Zisserman, Multiple View Geometry in Computer Vision, Cambridge University Press

I Goodfellow, Y Bengio, A Couville, Deep Learning, MIT Press

Gehiago sakontzeko bibliografia

R Hartley y A Zisserman Multiple View Geometry in Computer Vision, Cambridge University Press
Revistas

Aldizkariak

IEEE Pattern recognition and machine intelligence
IEEE image processing
International Journal of Computer Vision