Currículo

Aprendizagem Profunda para Visão por Computador (EaD) 04944

Contextos

ECTS

6.0 (para cálculo da média)

Objectivos

No final da UC, cada estudante deverá ser capaz de: OA1: Representar imagens em diferentes espaços de cor e no domínio da frequência. OA2: Aplicar operações típicas de processamento de imagem. OA3: Extrair características de baixo nível de imagens. OA4: Implementar sistemas de aprendizagem automática para classificação de imagens usando algoritmos clássicos. OA5: Identificar e Explicar a arquitetura de redes neuronais convolucionais (CNN) e compreender o seu funcionamento. OA6: Resolver problemas de classificação de imagens de complexidade média usando CNNs. OA7: Aplicar metodologias de transferência de conhecimento e ajuste de CNNs pré-treinadas. OA8: Utilizar algoritmos de aprendizagem profunda para identificar objetos em imagens. OA9: Identificar e Descrever algoritmos de aprendizagem profunda para geração automática de conteúdos multimédia. OA10: Manipular imagens com OpenCV e desenvolver aplicações com TensorFlow. OA11: Demonstrar exemplos de aplicações de visão por computador.

Programa

CP1: Representação de imagens. CP2: Operações de imagem. CP3: Extração de características de imagens. CP4: Introdução à aprendizagem automática. CP5: Redes neuronais artificiais. CP6: Arquitetura e funcionamento de redes neuronais convolucionais (CNNs). CP7: Aprendizagem por transferência. CP8: Arquiteturas de CNNs para deteção e identificação de objetos. CP9: Arquiteturas de redes para geração automática de conteúdos multimédia. CP10: Desenvolvimento de aplicações práticas de visão por computador e aprendizagem automática.

Método de Avaliação

A avaliação será feita ao longo do semestre, sendo feita através de dois trabalhos de grupo valendo cada um 40% da nota final e um quizz realizado individualmente, com a ponderação de 20%. Cada uma das componentes de avaliação tem nota mínima de 8 valores e a aprovação na UC requer uma nota final mínima de 10 valores. Os trabalhos estão sujeitos a uma discussão oral. A discussão oral poderá impor um limite à nota dos trabalhos caso o desempenho demonstrado pelo(a) estudante esteja abaixo da qualidade dos trabalhos entregues, podendo inclusivamente reprovar caso o desempenho demonstrado não seja considerado suficiente. Dado o caráter prático da UC não há lugar a avaliação por exame. Melhoria de nota só pode ser feita repetindo o processo de avaliação no ano seguinte.

Carga Horária

Bibliografia

Principal

• "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: . .

Secundária

Disciplinas de Execução