Complementos de Visão por Computador

Conhecimentos de Base Recomendados

Álgebra linear e geometria analítica, Cálculo Matricial, Cálculo Diferencial, Processamento de Sinal, Estimação Estocástica, Visão por Computador

Métodos de Ensino

Esta disciplina adopta como metodologia de ensino a apresentação de conceitos de cariz mais fundamental e conceptual em aulas do tipo magistral, incluindo apresentações de tópicos (baseadas em artigos e capítulos de livros) feitas por estudantes, complementado com uma forte componente laboratorial onde os alunos podem implementar e validar as funcionalidades dos conceitos introduzidos nas aulas magistrais, recorrendo  Matlab e   à implementação de algoritmos e de aplicações. 

Resultados de Aprendizagem

Esta unidade curricular aborda tópicos avançados em visão por computador. Suportada nos conhecimentos introdutórios apresentados na unidade curricular de Visão Computador, esta unidade curricular pretende complementar os conhecimentos teóricos em visão por computador, bem como no desenvolvimento de abordagens práticas para a construção de sistemas reais de Visão por Computador. O objetivo da unidade curricular é fornecer aos alunos o conhecimento e a destreza necessária para realizar investigação & desenvolvimento em visão por computador e seus domínios de aplicação, como a robótica, a biometria, a video vigilância, aplicações biomédicas e gráficos. Os alunos devem entender os pontos fortes e as fragilidades das abordagens atuais para pesquisar problemas e identificar desafios e orientações futuras para pesquisa e desenvolvimento. Tem também como objectivo melhorar as capacidades críticas de leitura e comunicação dos alunos nos domínios da visão por computador e suas aplicações.

Estágio(s)

Não

Programa

1. Detecção de elementos característicos e correspondências: SIFT, SURF, HOG, MSER,FAST, BRIEF

2. Detecção de elementos característicos e correspondências: métodos baseados em aproximações Bayesianas e em aprendizagem profunda.

3. Reconhecimento de objectos: aproximações clássicas

4. Reconhecimento de objectos: aproximações baseadas em aprendizagem profunda

5. Detecção visual e seguimento

6. Reconhecimento de actividades

7. Localização visual e mapeamento

Docente(s) responsável(eis)

Hélder de Jesus Araújo

Métodos de Avaliação

Avaliação
Exame: 50.0%
Trabalho laboratorial ou de campo: 50.0%

Bibliografia

”Computer Vision: Algorithms and Applications”, Richard Szeliski

 “An Invitation to 3-D Vision: From Images to Geometric Models”,  Yi Ma, S. Soatto, J. Kosecka, S. Sastry

 “Deep Learning”, I. Goodfellow, Y. Bengio, A. Courville

“Machine Learning: A Probabilistic Perspective”, Kevin P. Murphy

“Deep Learning for Computer Vision”, R. Shanmugamani