|
Sistemas de Visão Cognitiva
EB3 2014 . 2015 - 1;2º semestre
Especificação técnica - ficha curricular
Elementos especificos
Objectivos formativos
Os objectivos desta unidade curricular incluem aprender a extrair informação das imagens de modo a ser possível estimar a estrutura 3D dos objectos, a velocidade e deslocação dos objectos e o reconhecimento de objectos, formas, e actividades. As técnicas que o estudante deve aprender são baseadas em aprendizagem e classificação.
Programa genérico mínimo
Introdução à probabilidade, Ajuste de models probabilísticos, Aprendizagem e inferência em visão, modelos de classificação e regressão, modelos gráficos, modelos para cadeias, árvores e malhas, modelos para formas, estilos e identidades, modelos para palavras visuais
Pré-requisitos
Algebra, Cálculo Diferencial, Probabilidades
Competências genéricas a atingir
. Competência em análise e síntese;. Conhecimento de uma língua estrangeira; . Competência para resolver problemas; . Competência em raciocínio crítico; . Criatividade; . Competência em organização e planificação; . Competência em trabalho em grupo; . Adaptabilidade a novas situações; . Preocupação com a qualidade; . Competência em investigar; (por ordem decrescente de importância) Horas lectivas semestrais
Método de avaliação
concretização da avaliação em 20142015
Avaliação A avaliação é feita ou exclusivamente com trabalhos computacionais em Matlab (100%) ou numa combinação de trabalhos computacionais Matlab (50%) e um teste final escrito (50%): 100.0% Bibliografia de referência
Computer Vision: Models, learning and inference, Simon Prince
Cognitive Vision Systems: Sampling the Spectrum of Approaches (Lecture Notes in Computer Science), Henrik I. Christensen and Hans-Hellmut Nagel . The Cognitive Neuroscience of Vision (Fundamentals of Cognitive Neuroscience), Martha J. Farah Active Vision: The Psychology of Looking and Seeing (Oxford Psychology Series), John M. Findlay and Iain D. Gilchrist. Pattern Recognition and Machine Learning, Christopher M. Bishop Learning with Kernels, Bernhard Schlkopf and Alexander J. Smola Método de ensino
Os métodos de ensino incluem aulas dadas pelo professor, apresentações feitas pelos estudantes de tópicos específicos, e também supervisão tutorial (reuniões individuais com os estudantes)
Recursos específicos utilizados
Software de simulação (matlab).
|