Inteligência Artificial para 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, abordando o estudo da visão por computador desde uma perspeciva clássica até às soluções baseadas em aprendizagem profunda. 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, combinando as abordagens clássicas de visão por computador com as abordagens recentes de aprendizagem profunda.
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: Abordagens clássicas (SIFT, SURF, HOG, MSER,FAST, BRIEF, etc.) e métodos baseados em aproximações Bayesianas e em aprendizagem profunda.
2. deteção, reconhecimento e classificação de objectos: aproximações clássicas e aproximações baseadas em aprendizagem profunda;
3. Análise Facial: detecção, reconhecimento e verificação. Reconhecimento de ações faciais. Abordagens clássicas e baseadas em aprendizagem profunda;
4. Detecção visual e seguimento na imagem. Seguimento de múltiplos objetos. Abordagens clássicas e baseadas em Aprendizagem profunda.
5. Reconhecimento de actividades em video.

Docente(s) responsável(eis)

Jorge Manuel Moreira de Campos Pereira Batista

Métodos de Avaliação

Avaliação
Trabalho de investigação: 10.0%
Outra: 10.0%
Exame: 30.0%
Trabalho laboratorial ou de campo: 50.0%

Bibliografia

"Computer Vision: Algorithms and Applications", 2^nd  editionm Richard Szeliski, Text in Computer Science, Springer, 2022.

"Visual Object Recognition", K. Grauman, B. Leibe, Synthesis Lectures on Artificial Intelligence and Machine Leaerning, Springerr Cham, 2021.

"Dive into Deep Learning", A. Zhang and Z. C. Lipton and Mu Li and A. Smola, arXiv preprint arXiv:2106.11342,2021. Opeen Source access: https://pt.d2i.ai

“Deep Learning”, I. Goodfellow, Y. Bengio, A. Courville, MIT Press, 2016.

"Face Detection and Recognition: Theory and Practice (1^st ed.), A. K. Datta, M. datta, P. Banerje, Chapman and Hall/CRC, 2015.

"Deep Learning-based Face Analysis", N. Ratha, V. Patel, R. Chellapa, Advances in Computer Vision and Pattern Recognition Series, Springer Cham, 2021

"Video Tracking: Theory and Practice," E. Maggio, A. Cavallaro, Wiley, 2011.

"Deep Learning for Computer Vision - Image Classification, Object Detection and Face Recognition in Python, J. Brownlee, Machine Learning Mastery, 2019.