Currículo
Aprendizagem Profunda para Visão por Computador (EaD) 04944
Contextos
Groupo: Aprendizagem Automática Aplicada > 2º Ciclo > Parte Escolar > Unidades Curriculares Obrigatórias
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. 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 (revisão). CP5: Redes neuronais artificiais (revisão). CP6: Arquitetura e funcionamento de redes neuronais convolucionais (CNNs). CP7: Aprendizagem por transferência de conhecimento. 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 composta pelos seguintes elementos: - Partipação nas sessões síncronas (10%, individual); - Realização de atividades formativas assíncronas (10%, individual); - Mini-projetos e discussão final (80%, realizados em grupo mas com avaliação individual)*. *A componente "Mini-projetos" está sujeita a uma discussão oral. Caso os conhecimentos demonstrados pelo estudante na discussão fiquem notoriamente abaixo da qualidade dos trabalhos entregues, a discussão irá impor um limite à nota desta componente (o estudante poderá inclusivamente reprovar à UC caso o seu desempenho na discussão não seja minimamente satisfatório).
Carga Horária
Carga Horária de Contacto -
Trabalho Autónomo - 0.0
Carga Total -
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
- :