| Código |
12889
|
| Ano |
1
|
| Semestre |
S2
|
| Créditos ECTS |
6
|
| Carga Horária |
PL(30H)/T(30H)
|
| Área Científica |
Informática
|
|
Tipo de ensino |
Presencial
|
|
Estágios |
(Não aplicável)
|
|
Objectivos de Aprendizagem |
Estudo de mecanismos de visão biológica e o seu paralelismo com sistemas de visão computacional. Compreensão dos conceitos gerais associados a sistemas de visão. Dinamismo de informação visual e tratamento de ruído. Compreensão das técnicas de detecção, segmentação e classificação de objectos em imagens.
No final da Unidade Curricular o estudante deve ser capaz de identificar os requisitos para um sistema de visão computacional. Identificar técnicas de processamento de imagem e visão, adequadas a problemas específicos. Planear e implementar soluções de sistemas de visão computacional.
|
|
Conteúdos programáticos |
Introdução. O que é a Visão Computacional? Objectivos e Aplicações. Perspectiva Biológica.
cameras e Imagens. Óptica Imagens Digitais. Amostragem. Calibração. Filtragem. Convolução e Correlação. Domínios espaciais de de frequências. Transformada de Fourier. Fontes e tipos de Ruído. Representação de imagens em espaços de características. Descritores de Forma, Intensidade e Textura. Problemas de detecção, segmentação e classificação.
|
|
Metodologias de Ensino e Critérios de Avaliação |
Assiduidade (A)
A aprovação à disciplina está condicionada a níveis mínimos de assiduidade de 80% nas aulas.
Trabalho Prático (P)
Os trabalhos práticos da disciplina contribuem em 10 valores para a classificação final.
A aprovação à disciplina requer a nota mínima de 5 valores no trabalho prático.
Parte 1: OCR Dataset (2 valores): 18 de Março de 2021, 23:59, via email.
Parte 2: GTSRB Dataset Classification (2 valores): 8 de Abril de 2021, 23:59, via email.
Parte 3: GTSRB Dataset Detection (3 valores): 6 de Maio de 2021, 23:59, via email.
Parte 4: Reinforcement Learning (3 valores): 31 de Maio de 2021, 23:59, via email.
A obtenção de classificação nos trabalhos práticos está condicionada à apresentação/discussão individual de cada aluno com o docente.
Frequência
Prova (F1) - 5ª feira, 20 de maio de 2021, 14:00-16:00, Sala 6.18
Classificação Ensino/Aprendizagem (C)
C=P*10/20+F*10/20
Consideram-se admitidos a Exame os alunos que obtiverem classificação mínima 6
|
|
Bibliografia principal |
Main
David A. Forsyth and Jean Ponce; Computer Vision: A Modern Approach, Prentice-Hall, 2002.
Dana Ballard and Chris Brown; Computer Vision, Online.
J. R. Parker; Algorithms for Image Processing and Computer Vision, Wiley, 1995.
Complementary
Torras, C.; Computer Vision, Theory and Industrial Applications, New York, Springer, 1992.
Davies, E.R.; Machine Vision: Theory, Algorithms, Practicalities, Third Edition, Morgan Kaufmann, 2005.
On-line resources: http://homepages.inf.ed.ac.uk/rbf/CVonline/books.htm#online
|
| Língua |
Português
|