Ordenagailu bidezko ikusmena teknika konputazionalen multzo bat da, gero eta gehiago erabiltzen dena

industrian, aplikazio medikoetan, robotikan eta gizaki-makina elkarrekintzan oinarritutako sistemetan, adibidez keinuen bidez edo informazio biometrikoa hartzean.

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 - Irudien oinarriak

2 - Irudien eraldaketak

3 - Ertzak eta ezaugarriak

4 - 3D, sakonera eta estereo-ikusmena

5 - Ikasketa sakona

6 - Irudiak ezagutzea

7 - Objektuen detekzioa

8 - Irudien segmentazioa

9 - Bideoen ulermena

10 - Auto-ikasketa

11 - Irudien sorkuntza

12 - Ikusmena eta hizkuntza

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.

• Continuous Assessment System
• Final Assessment System
• Tools and qualification percentages:
  • Written test to be taken (%): 30
  • Realization of Practical Work (exercises, cases or problems) (%): 40
  • Exhibition of works, readings ... (%): 30

Ikasleak bi aukera ditu: ebaluazio orokorra (lauhilekoaren amaieran) edo jarraitua. Ebaluazio jarraitua aukerakoa da, eta ikasleak ikaskuntza prozesuan aktiboki parte hartzea eskatzen du, eta lauhileko osoan aldizka lan egitea. Beraz, uste da ikasgelara joaten dela, eztabaidetan parte hartzen duela, gaiaren alderdi teorikoak aztertzen dituela, ariketak egiten dituela eta laborategiko saioetan ordenagailuekin lan egiten duela.



Erabiltzen den ebaluazio jarraituaren metodoak, ikasleak azterketetan egindako lana ez ezik, eskolan aktiboki parte hartzearen kalitatea, laborategiko lanak, idatzizko kontakizunaren argitasuna, ahozko aurkezpenean erakutsitako komunikazio-gaitasuna eta abar ere islatzen ditu.



Ebaluazio jarraitua lauhilekoaren hasieran aukeratzen da, eta ikasleak behin betiko erabakia har dezake (lauhilekoaren %60tik %80ra), irakasleak ikasleen errendimendua gainbegiratu ondoren. Ikasleak formulario bat bete behar du, non adieraziko baitira ebaluazioaren portzentajea eta ikasleak une horretan lortutako nota.



Ebaluazio jarraiturako azken erregistroa berresten ez bada, ikasleak azken ebaluazioaren sistema aukeratu duela ulertuko da.



EBALUAZIO JARRAITUA



A: Idatzizko azterketa -> 6/10

B: Proiektua -> 4/10



OHARRA: Idatzizko azterketa eta proiektua derrigorrezkoak dira eta gutxieneko nota bat eskatuko da bietan.



AZKEN EBALUAKETA



A: Idatzizko azterketa -> 7/10

B: Proiektua -> 3/10



OHARRA: Idatzizko azterketa eta proiektua derrigorrezkoak dira eta gutxieneko nota bat eskatuko da bietan.

A: Idatzizko azterketa -> 7/10

B: Proiektua -> 3/10



OHARRA: Idatzizko azterketa eta proiektua derrigorrezkoak dira eta gutxieneko nota bat eskatuko da bietan.

CONOCIMIENTOS Y DESTREZAS QUE SE REQUIEREN
Se realizan los trabajos practicos en Matlab, conocimientos previos no son un requisito pero si contribuyen al mejor rendimiento del alumno.

Matlab y las toolboxes requeridas tienen licencia educativa corporativa, por lo que los alumnos pueden instalarlas en sus ordenadores personales y realizar los trabajos de forma presencial o remota si se declara una situación de emergencia por la pandemia de COVID-19.

Basic bibliography

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

In-depth bibliography

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

Journals

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

Web addresses

Stanford Convolutional Neural Networks for Visual Recognition: http://cs231n.stanford.edu/
Washington University Computer Vision: https://courses.cs.washington.edu/courses/cse455/22sp/
New York University Computer Vision: https://cs.nyu.edu/~fergus/teaching/vision/index.html