Reconhecimento e Análise de Imagem
Áreas Científicas |
Classificação |
Área Científica |
OFICIAL |
Engenharia Eletrotécnica e de Computadores |
Ocorrência: 2022/2023 - 1S
Ciclos de Estudo/Cursos
Língua de trabalho
Português e inglês
Objetivos
Esta unidade curricular tem como objetivo providenciar aos estudantes a capacidade para compreenderem e aplicarem alguns dos mais recentes avanços no campo do Reconhecimento e Análise de Imagem, que está em rápida evolução. A unidade curricular é baseada num livro recomendado e num conjunto de artigos originais selecionados de modo a permitirem aos estudantes o seguimento dos avanços nos tópicos cobertos na unidade curricular. Os principais tópicos analisados permitirão aos estudantes desenvolver capacidades e competências em segmentação de imagem, seguimento de objetos, alinhamento de imagens, reconhecimento de objetos e padrões. A u.c. foca-se no uso dos métodos e técnicas com potencial aplicação em inspeção visual, processamento de documentos, biometria e imagem biomédica.
Resultados de aprendizagem e competências
No fina desta unidade curricular o estudante deverá ser capaz de:
Desenvolver capacidades e competências em segmentação de imagem, seguimento de objetos, alinhamento de imagens, reconhecimento de objetos e padrões.
Modo de trabalho
Presencial
Programa
1. Melhoramento da imagem
2. Da cor até arestas e texturas
3. Segmentação
a. Métodos de agrupamento. Introduzindo restrições locais. Mean Shift
b. Agrupamento baseado em teoria dos grafos. Medidas de afinidade. "Graph Cuts".
4. Análise de movimento
a. Subtração de fundo
b. Fluxo ótico
c. Seguimento de objetos usando modelos dinâmicos lineares e não lineares.
5. Alinhamento de imagens
a. Geometria reconstrutiva de múltiplas vistas.
b. Estratégias para o alinhamento de imagens e objetos de modo rígido e não rígido.
c. Descriptores locais invariantes e medidas invariantes.
6. Reconhecimento de imagens
a. Ferramentas de aprendizagem máquina
b. Extração e seleção de descritores: i. Análise de componentes principais. ii. Representação de objetos usando descriptores invariantes.
c. Modelação de objetos i. Modelos de aparência ativos. ii. Modelos de constelação e de forma implícita. iii. Modelos tipo saco de termos visuais.
d. Exemplos de reconhecimento de objetos.
Bibliografia Obrigatória
David A. Forsyth, Jean Ponce;
Computer Vision: A Modern Approach. ISBN: 978-0136085928
Métodos de ensino e atividades de aprendizagem
Esta unidade curricular está organizado aulas teóricas, compreendendo a exposição teórica e aulas de orientação tutorial onde são abordados exercícios de visão por computador.
Avaliação distribuída com exame final. (Fórmula de cálculo da classificação final: A avaliação e nota final será calculada usando o seguinte esquema: Trabalhos práticos: 60% (15% por cada um dos 4 trabalhos)
Apresentação de uma publicação escolhida pelo estudante: (10%) Exame final: 30% As notas serão atribuídas na escala de 0 a 20. Para passar na u.c. é necessária uma nota final de 10 ou mais.
Tipo de avaliação
Avaliação distribuída com exame final
Componentes de Avaliação
Designação |
Peso (%) |
Apresentação/discussão de um trabalho científico |
10,00 |
Exame |
30,00 |
Trabalho prático ou de projeto |
60,00 |
Total: |
100,00 |
Componentes de Ocupação
Designação |
Tempo (Horas) |
Apresentação/discussão de um trabalho científico |
16,00 |
Estudo autónomo |
32,00 |
Trabalho escrito |
97,00 |
Frequência das aulas |
17,00 |
Total: |
162,00 |
Obtenção de frequência
Não é aplicável
Fórmula de cálculo da classificação final
A avaliação e nota final será calculada usando o seguinte esquema:
Trabalhos práticos: 60% (15% por cada um dos 4 trabalhos)
Apresentação de uma publicação escolhida pelo estudante: (10%)
Exame final: 30%
As notas serão atribuídas na escala de 0 a 20. Para passar na u.c. é necessária uma nota final de 10 ou mais.