Ficha Unidade Curricular (FUC)

Informação Geral / General Information

Carga Horária / Course Load

Área científica / Scientific area

Inteligência Artificial

Departamento / Department

Departamento de Ciências e Tecnologias da Informação

Ano letivo / Execution Year

2023/2024

Pré-requisitos / Pre-Requisites

Assume-se que os estudantes têm conhecimentos de Álgebra Linear, de Estatística e sobretudo de Programação (a linguagem Python é extensivamente utilizada no âmbito desta UC).

Objetivos Gerais / Objectives

O principal objetivo consiste em dar a conhecer aos estudantes os principais e mais recentes métodos computacionais para manipulação e análise de imagens, com vista à extração automática de conhecimento. Serão aprofundadas na UC técnicas para extração de características de imagem que poderão ser usadas em algoritmos de aprendizagem automática clássicos e técnicas de aprendizagem profunda com aplicação a problemas que envolvam imagens, nomeadamente as baseadas em redes neuronais convolucionais. Para além disso pretende-se também familiarizar os estudantes com as principais ferramentas utilizadas para manipulação de imagens no âmbito da visão por computador e da aprendizagem automática, nomeadamente as bibliotecas OpenCV e Tensorflow, respetivamente, usando a linguagem de programação Python.

Objetivos de Aprendizagem e a sua compatibilidade com o método de ensino (conhecimentos, aptidões e competências a desenvolver pelos estudantes) / Learning outcomes

O1: Conhecer o processo básico de formação de uma imagem digital O2: Representar uma imagem em diferentes espaços de cor e no domínio da frequência O3: Realizar operações típicas de processamento de imagens O4: Extrair características de baixo nível de uma imagem O5: Implementar algoritmos clássicos de aprendizagem automática para classificar o conteúdo de imagens O6: Conhecer a arquitetura típica de uma rede neuronal convolucional (CNN) e perceber o seu funcionamento interno O7: Resolver um problema de classificação de imagens com complexidade média recorrendo a CNNs O8: Aplicar metodologias de transferência de conhecimento e fine-tuning usando CNNs pré-treinadas O9: Usar algoritmos de aprendizagem profunda para identificar objetos numa imagem O10: Conhecer algoritmos de aprendizagem profunda para geração automática de conteúdos multimédia O11: Manipular imagens usando a biblioteca OpenCV O12: Utilizar a biblioteca Tensorflow para desenvolver aplicações de aprendizagem automática

Conteúdos Programáticos / Syllabus

CP1: Aquisição e representação de imagens CP2: Operações com imagens CP3: Extração de características de imagem CP4: Introdução à aprendizagem automática CP5: Redes neuronais clássicas CP6: Redes neuronais convolucionais CP7: Transferência de conhecimento CP8: Arquiteturas de redes para deteção e identificação de objetos CP9: Arquiteturas de redes para geração automática de conteúdos

Demonstração da coerência dos conteúdos programáticos com os objetivos de aprendizagem da UC / Evidence that the curricular units content dovetails with the specified learning outcomes

Conteúdos Programático (CP) -> Objetivos de Aprendizagem (OA) CP1 -> O1, O2, O11 CP2 -> O2, O3, O11 CP3 -> O4, O11 CP4 -> O5, O11, O12 CP5 -> O5, O11, O12 CP6 -> O6, O7, O12 CP7 -> O7, O8, O12 CP8 -> O8, O9, O12 CP9 -> O8, O10, O12

Avaliação / Assessment

Dado o carácter eminentemente prático da UC, não está prevista modalidade de avaliação por exame. Avaliação Periódica: Exercícios (30%) - realizados em grupo ao longo do semestre; Projeto (70%): o Trabalho desenvolvido e Relatório (30%); o Apresentação (10%); o Discussão oral (30%). O projeto pode ser realizado em grupo, mas as notas da apresentação e da discussão são individuais. Todos os instrumentos de avaliação, exceto a apresentação, têm nota mínima de 8 val. A assiduidade não é usada como critério de avaliação.

Metodologias de Ensino / Teaching methodologies

Aulas teórico-práticas semanais de 3h, que alternam entre momentos de exposição e momentos de aplicação, com exemplos e exercícios que implicam o desenvolvimento de trechos de código usando as bibliotecas OpenCV e Tensorflow.

Demonstração da coerência das metodologias de ensino e avaliação com os objetivos de aprendizagem da UC / Evidence that the teaching and assessment methodologies are appropriate for the learning outcomes

Os instrumentos de avaliação são desenhados para cobrirem todos os objetivos da UC. Os problemas realizados ao longo do semestre vão cobrindo os objetivos associados aos conteúdos programáticos que vão sendo lecionados. O projeto final pretende cobrir com maior profundidade os objetivos de aprendizagem O6-O12. O planeamento das aulas da UC evidencia a relação entre os métodos pedagógicos usados e os objetivos de aprendizagem definidos anteriormente.

Observações / Observations

A apresentação do projeto e respetiva discussão realizam-se em datas a combinar durante a 1ª ou 2ª época de avaliações. Não está previsto um processo de melhoria de nota da 1ª para a 2ª época. A avaliação em época especial prevê um processo idêntico ao das épocas normais, com as seguintes adaptações: - a componente "Exercícios" é substituída por uma prova prática, com peso de 30%; - a componente "Apresentação", do projeto, deixa de existir e o seu peso é transferido para a componente "Trabalho desenvolvido e Relatório", que passa a valer 40%; - o projeto entregue em época especial terá que ser realizado individualmente. O método de avaliação da UC, sem modalidade de avaliação por exame, foi aprovado pela Comissão Pedagógica da ISTA a 21/jul/2022, em conformidade com o previsto no ponto 3 do Art. 7º do RGACC.

Bibliografia Principal / Main Bibliography

Tomás Brandão, Materiais da UC disponibilizados na plataforma de e-learning, 2023, ---,

Bibliografia Secundária / Secondary Bibliography

M. Nixon e Alberto Aguado, Feature Extraction and Image Processing for Computer Vision, 4th Edition, 2019, Academic Press, I. Goodsfellow, Y. Bengio e A. Courville, Deep Learning , MIT Press, 2016, 2016, MIT Press, Joseph Howse e Joe Minichino, Learning OpenCV 4 with Python 3, 3rd Edition, 2020, Packt Publishing, Vários, Tutoriais e documentação da biblioteca OpenCV 4, ---, ---, https://opencv.org/ Vários, Tutoriais e documentação da biblioteca Tensorflow 2, ---, ---, https://www.tensorflow.org/

Data da última atualização / Last Update Date

2024-02-16