Gaia
Konputagailu bidezko Ikusmena
Gaiari buruzko datu orokorrak
- Modalitatea
- Ikasgelakoa
- Hizkuntza
- Ingelesa
Irakasgaiaren azalpena eta testuingurua
- 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.
Irakasleak
Izena | Erakundea | Kategoria | Doktorea | Irakaskuntza-profila | Arloa | Helbide elektronikoa |
---|---|---|---|---|---|---|
ARGANDA CARRERAS, IGNACIO | Euskal Herriko Unibertsitatea | Ikerbaske Bisitaria | Doktorea | Elebakarra | Konputazio Zientzia eta Adimen Artifiziala | ignacio.arganda@ehu.eus |
AZCUNE GALPARSORO, GORKA | Euskal Herriko Unibertsitatea | Irakaslego Agregatua | Doktorea | Elebiduna | Konputazio Zientzia eta Adimen Artifiziala | gorka.azcune@ehu.eus |
Gaitasunak
Izena | Pisua |
---|---|
Conocer los principios teóricos y los fundamentos avanzados de la visión artificial. | 34.0 % |
Saber aplicar los fundamentos y avances en visión artificial para desarrollar soluciones software en aplicaciones de imágenes y/o vídeo. | 33.0 % |
Saber comunicar las particularidades y conclusiones de un trabajo de investigación en visión artificial a un público especializado y no especializado. | 33.0 % |
Irakaskuntza motak
Mota | Ikasgelako orduak | Ikasgelaz kanpoko orduak | Orduak guztira |
---|---|---|---|
Magistrala | 14 | 18 | 32 |
Mintegia | 1 | 2 | 3 |
Ordenagailuko p. | 15 | 25 | 40 |
Irakaskuntza motak
Izena | Orduak | Ikasgelako orduen ehunekoa |
---|---|---|
Eskola magistralak | 10.0 | 100 % |
Irakurketa eta analisi praktikoak | 20.0 | 25 % |
Ordenagailuko praktikak | 30.0 | 33 % |
Txostenak eta azalpenak lantzea | 15.0 | 30 % |
Ebaluazio-sistemak
Izena | Gutxieneko ponderazioa | Gehieneko ponderazioa |
---|---|---|
Bertaratzea eta Parte-hartzea | 10.0 % | 20.0 % |
Azalpenak | 40.0 % | 40.0 % |
Material teorikoak praktiketan aplikatzea | 50.0 % | 60.0 % |
OTROS | 0.0 % | 10.0 % |
Irakasgaia ikastean lortuko diren emaitzak
¿ 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
Irakasgai-zerrenda
1. Image filtering, edge detection2. 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
Bibliografia
Oinarrizko bibliografia
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.
Gehiago sakontzeko bibliografia
François Chollet, Deep Learning with Python, Manning, 2018.Jeremy Hoaward and Sylvain Gugger, Deep Learning for Coders with Fastai and PyTorch, O'Reilly, 2020.
Aldizkariak
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).