Descripción y contextualización de la asignatura

- Introducción general a la visión artificial moderna.

- Métodos de filtrado de imágenes y operaciones basadas en el histograma.

- Procesamiento del color y modelos de espacios de color.

- Transformaciones de histograma y transformaciones geométricas de imágenes.

- Aprendizaje automático aplicado a imágenes y videos.

- Redes neuronales artificiales aplicadas a imágenes y vídeos.

- Diseño y entrenamiento de redes neuronales convolucionales modernas.

- Detección de objetos y segmentación de imágenes.

- Modelos generativos.

- Aprendizaje auto-supervisado.

Resultados del aprendizaje de la asignatura

- Reconocimiento y enumeración de las aplicaciones modernas de visión artificial.

- Selección e implementación de métodos de filtrado y operaciones sobre imágenes para detección de bordes y objetos.

- Selección e implementación de métodos de procesamiento de imágenes y espacios de color para la detección de bordes y objetos en imágenes de color.

- Selección e implementación de algoritmos de transformación de imágenes para detección de objetos y alineamiento de imágenes.

- Selección e implementación de métodos de aprendizaje automático aplicado a imágenes y videos.

- Selección e implementación de modelos de redes neuronales artificiales aplicadas a imágenes y vídeos.

- Diseño e implementación de redes neuronales convolucionales y técnicas de entrenamiento modernas.

- Selección e implementación de métodos de detección de objetos y segmentación de imágenes basados en redes

Temario

1. Image filtering, edge detection

2. Color: space models, transformations

3. Image transformations

4. Machine Learning

5. Neural networks

6. Convolutional Neural Networks (CNNs)

7. Modern CNNs and how to train them

8. Object detection and image segmentation

9. Generative models

10. Self-supervised learning

Bibliografía

Bibliografía básica

Forsyth, Ponce. Computer Vision: A Modern Approach. Pearson. 2012.

Richard Szeliski. Computer Vision: Algorithms and Applications. Springer-Verlag. 2011.

Ian Goodfellow et al. Deep Learning. MIT Press. 2016.

Bibliografía de profundización

François Chollet, Deep Learning with Python, Manning, 2018.

Jeremy Hoaward and Sylvain Gugger, Deep Learning for Coders with Fastai and PyTorch, O'Reilly, 2020.

Revistas

Conference on Computer Vision and Pattern Recognition (CVPR).

Conference and Workshop on Neural Information Processing Systems (NeurIPS).

Pattern Recognition (PR).

IEEE Transactions on Pattern Analysis and Machine Intelligence (PAMI).

International Conference on Pattern Recognition (ICPR).

Enlaces

International Association for Pattern Recognition. (IAPR): www.iapr.org