Visão Artificial em Tempo Real

Código:

MVCOMP12

Sigla:

VATR

Áreas Científicas
Classificação	Área Científica
CNAEF	Engenharia e técnicas afins

Ocorrência: 2022/2023 - 3T

Ativa?	Sim
Unidade Responsável:	Departamento de Engenharia Eletrotécnica e de Computadores
Curso/CE Responsável:	Mestrado em Visão por Computador

Ciclos de Estudo/Cursos

Sigla	Nº de Estudantes	Plano de Estudos	Anos Curriculares	Créditos UCN	Créditos ECTS	Horas de Contacto	Horas Totais
MVCOMP	1	Plano de Estudos Oficial	1	-	3	21	81

Língua de trabalho

Inglês
Obs.: Lecionada por docente da Universidade de Vigo

Objetivos

Os estudantes vão aprender a programar aquisição e processamento de imagens em tempo real para aplicações de visão artificial.

Resultados de aprendizagem e competências

Ao ser exposto e explorar os diferentes conceitos de visão artificial em tempo real espera-se que o estudante consiga identificar e aplicar estes conceitos corretamente, consiga analisar e sintetizar conhecimento; ao analisar as principais formulações de visão artificial em tempo real espera-se que o estudante consiga compreendê-las; e ao estudar aplicações concretas, relevantes, e atuais em visão artificial em tempo espera-se que o estudante consiga mais facilmente ter competências para o seu desenvolvimento, em sintonia com projetos de desenvolvimento de aplicações a serem realizados pelo estudante no âmbito da UC.
Os estudantes que concluam com sucesso a unidade curricular devem ter a capacidade de trabalhar em equipa, organização e planeamento; a capacidade de analisar e sintetizar conhecimento; a capacidade de desenvolver sistemas de visão artificial em tempo real de acordo com as necessidades existentes e aplicar as ferramentas tecnológicas mais apropriadas; conhecer os fundamentos de visão artificial em tempo real e as suas aplicações; a capacidade de aprendizagem que permita continuar a estudar de uma forma autónoma.

Modo de trabalho

À distância

Programa

Programação em tempo real p ara visão artificial.
Comunicação PC – frame-graber.
Gestão de memória.
Estrutura e uso de um SDK (software development kit) convencional em visão artificial.
Programação de baixo nível para processos industriais de alto débito.

Bibliografia Obrigatória

Samuel P. Harbison, Guy L. Steele Jr.; C: A Reference Manual (5th Edition), Pearson, 2002

Observações Bibliográficas

Outros títulos a listar.

Métodos de ensino e atividades de aprendizagem

Aulas participativas, práticas laboratoriais com câmaras e equipamento computacional, aprendizagem orientado ao projeto e resolução de casos de uso práticos, trabalho autónomo e estudo independente pelo estudante, trabalho de grupo e aprendizagem cooperativa.

Tipo de avaliação

Avaliação distribuída sem exame final

Componentes de Avaliação

Designação	Peso (%)
Trabalho prático ou de projeto	100,00
Total:	100,00

Componentes de Ocupação

Designação	Tempo (Horas)
Apresentação/discussão de um trabalho científico	10,00
Elaboração de projeto	30,00
Estudo autónomo	20,00
Frequência das aulas	18,00
Trabalho laboratorial	3,00
Total:	81,00

Obtenção de frequência

A definir.

Fórmula de cálculo da classificação final

A avaliação (100%) do estudante será totalmente baseada no trabalho do estudante e resultados obtidos durante o trimestre.