Ficha Unidade Curricular (FUC)
Informação Geral / General Information
Carga Horária / Course Load
Área científica / Scientific area
482 - Informática na ótica do utilizador
Departamento / Department
Departamento de Tecnologias Digitais
Ano letivo / Execution Year
2024/2025
Pré-requisitos / Pre-Requisites
---
Objetivos Gerais / Objectives
O principal objetivo desta disciplina é dar a conhecer aos/às alunos/as os principais e mais recentes métodos computacionais de manipulação e análise de imagens, visando a extração automática de conhecimento. Técnicas de extração de características de imagem que podem ser usadas em algoritmos clássicos de aprendizagem automática e técnicas de aprendizagem profunda com aplicação a problemas envolvendo imagens, nomeadamente as baseadas em redes neuronais convolucionais, serão objeto de um estudo aprofundado nesta disciplina. Adicionalmente, pretende-se também familiarizar os alunos com as principais ferramentas utilizadas para manipulação de imagens no âmbito da visão computacional e machine learning, nomeadamente as bibliotecas OpenCV e Tensorflow, respetivamente, utilizando 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
OA1: Representar uma imagem em diferentes espaços de cor e no domínio da frequência OA2: Efetuar operações típicas de processamento de imagem OA3: Extrair características de baixo nível de uma imagem OA5: Implementar um sistema de aprendizagem automática baseado em algoritmos clássicos para a classificação de conteúdos de imagens OA5: Conhecer a arquitetura típica de uma rede neural convolucional (CNN) e compreender o seu funcionamento OA6: Resolver um problema de classificação de imagens de complexidade média usando CNNs OA7: Aplicar metodologias de aprendizagem por transferência / ajuste fino baseadas em CNNs pré-treinadas OA8: Utilizar algoritmos de aprendizagem profunda para identificação de objectos em imagens OA9: Conhecer algoritmos de aprendizagem profunda para geração automática de conteúdos multimédia OA10: Manipular imagens usando a biblioteca OpenCV e usar a biblioteca Tensorflow para desenvolver aplicações de aprendizagem automática OA11: Aplicações no sector da saúde
Conteúdos Programáticos / Syllabus
CP1 Representação de imagens CP2 Operações de imagem CP3 Extração de características de imagens CP4 Introdução à aprendizagem automática CP5 Redes neuronais artificiais CP6 Redes neurais convolucionais CP7 Aprendizagem por transferência CP8 Arquitecturas de rede para deteção e identificação de objectos de imagem CP9 Arquitecturas de rede para a geração automática de conteúdos CP10 Aplicações desenvolvidas no domínio da saúde
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
Conteúdo Programático (CP) -> Objetivos de Aprendizagem (OA) CP1 -> OA1, OA10 CP2 -> OA1, OA2, OA10 CP3 -> OA3, OA10 CP4 -> OA4, OA10 CP5 -> OA4, OA10 CP6 -> OA5, OA6 CP7 -> OA6, OA7 CP8 -> OA7, OA8 CP9 -> OA7, OA9 CP10 -> OA11
Avaliação / Assessment
Avaliação: exercícios/problemas realizados em grupo, durante as aulas do curso (50%), e um teste prático individual realizado no final do curso (50%). Dado o carácter prático e experimental dos conteúdos programáticos, não se prevê a realização de um exame.
Metodologias de Ensino / Teaching methodologies
Aulas teórico-práticas que alternam momentos de exposição e aplicação, com exemplos e exercícios que envolvem o desenvolvimento de trechos de código utilizando 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 concebidos para cobrir todos os objetivos do curso. Os exercícios realizados ao longo das aulas abrangerão os objetivos associados aos conteúdos programáticos que serão lecionados. O documento de Planificação da Unidade Curricular, detalhado para cada aula, evidencia a relação entre os métodos pedagógicos utilizados e os objetivos de aprendizagem previamente definidos.
Observações / Observations
---
Bibliografia Principal / Main Bibliography
Feature Extraction and Image Processing for Computer Vision, 4th Edition, M. Nixon e Alberto Aguado, Academic Press, 2019 Deep Learning, I. Goodsfellow, Y. Bengio e A. Courville, MIT Press, 2016 Learning OpenCV 4 with Python 3, 3rd Edition, Joseph Howse, Joe Minichino, Packt Publishing, 2020 Tutoriais e documentação das bibliotecas OpenCV e Tensorflow
Bibliografia Secundária / Secondary Bibliography
Data da última atualização / Last Update Date
2024-08-28