Visão Computacional

Código:

M.IA005

Sigla:

VC

Áreas Científicas
Classificação	Área Científica
OFICIAL	Ciência de Computadores
OFICIAL	Engenharia Informática

Ocorrência: 2025/2026 - 2S

Ativa?	Sim
Unidade Responsável:	Departamento de Engenharia Informática
Curso/CE Responsável:	Mestrado em Inteligência Artificial

Ciclos de Estudo/Cursos

Sigla	Nº de Estudantes	Plano de Estudos	Anos Curriculares	Créditos UCN	Créditos ECTS	Horas de Contacto	Horas Totais
M.IA	56	Plano de estudos oficial	1	-	6	42	162

Língua de trabalho

Inglês

Objetivos

A definir pelo docente.

Resultados de aprendizagem e competências

Pretende-se que os estudantes compreendam e sejam capazes de explicar os conceitos da visão por computador e os algoritmos fundamentais de manipulação de imagens e sequências de vídeo.
Ao concluir esta unidade curricular os estudantes deverão ser capazes de:
1 - analisar um problema específico de visão por computador e identificar os diferentes desafios tecnológicos subjacentes;
2 - compreender e explicar os conceitos da visão por computador e os algoritmos fundamentais de manipulação de imagens e sequências de vídeo;
3 - identificar, discutir, avaliar e aplicar em situações práticas as técnicas de processamento, de análise e de reconhecimento;
4 - usar bibliotecas que implementam alguns dos algoritmos estudados (por exemplo, OpenCV, Keras) e implementar novos algoritmos descritos na literatura;
5 - analisar e compreender artigos científicos nas áreas de processamento e análise de imagem e de visão por computador.

Modo de trabalho

Presencial

Programa

Introdução à visão por computador
Aquisição de imagens digitais
- imagens de intensidade (2D) e de distância/posição (3D)
- modelo geométrico e radiométrico de uma câmara
Processamento e análise de imagens de intensidade
- filtragem
- extração de características
- segmentação
Calibração geométrica de uma câmara
- métodos de calibração
Estereoscopia
- geometria epipolar
Reconhecimento de objetos
- seleção de características
- descrição baseada em características locais invariantes
- estabelecimento de correspondências
Aprendizagem automática
- clustering
- classificação
- generalização de modelos
Deep learning
- redes neuronais
- convolutional neural networks (CNNs)
- deteção e segmentação (modelos R-CNN)
Movimento e seguimento
- estimação de movimento
- seguimento baseado em modelos lineares
Estudo de casos

Bibliografia Obrigatória

Szeliski , Richard; Computer vision : algorithms and applications. ISBN: 978-3-030-34371-2
Gonzalez , Rafael C.; Digital image processing. ISBN: 0-13-335672-8

Bibliografia Complementar

Goodfellow, I. , Bengio, Y. & Courville, A.; Deep Learning, 2016
Forsyth, D. A. & Ponce, J.; Computer Vision: A Modern Approach, 2011

Métodos de ensino e atividades de aprendizagem

Aulas de exposição e discussão das matérias do programa, acompanhadas pela resolução de exercícios. Adicionalmente, são realizados projetos de aplicação das técnicas de visão por computador estudadas.

Tipo de avaliação

Avaliação distribuída com exame final

Componentes de Avaliação

Designação	Peso (%)
Teste	50,00
Trabalho prático ou de projeto	50,00
Total:	100,00

Componentes de Ocupação

Designação	Tempo (Horas)
Apresentação/discussão de um trabalho científico	81,00
Elaboração de projeto	81,00
Total:	162,00

Obtenção de frequência

1- É condição de aprovação a obtenção de uma classificação mínima de 40% nas componentes AvEx e AvD. 2- Se, por decisão dos docentes, não ocorrer algum dos projetos, a cotação correspondente será redistribuída pelos restantes elementos de avaliação

Fórmula de cálculo da classificação final

Classificação = AvD * 0.5 + AvEx * 0.5