La Visión Artificial es una disciplina de creciente interés en el ámbito científico-técnico, cuyo objetivo es la extracción de información a partir de imágenes de distinta naturaleza. Actualmente se aplica en áreas tan diversas como robótica, teledetección, imagen médica, control de calidad y, en general, en el análisis de cualquier tipo de datos que presente características espacio-temporales reseñables.
Esta asignatura pertenece al Máster Universitario en "Inteligencia Artificial Avanzada: Fundamentos, Métodos y Aplicaciones" de la ETSI Informática de la UNED, es anual, de caracter optativo y su carga lectiva es de seis créditos ECTS.
El contenido del curso se estructura entorno a la idea de construir sistemas de visión completos. Además de definir la terminología utilizada habitualmente en un sistema de visión artificial, se mostrará al alumno la envergadura del problema, recalcando 1) la necesidad de descomponer la tarea en diferentes subtareas y en distintos niveles de descripción o representación con grado creciente de semántica y 2) la necesidad de inyectar conocimiento en cada una de las etapas de procesado para poder llegar a una solución. En cada una de las etapas del sistema de visión se utilizan métodos de IA.
Para extraer información, los modelos dominantes en visión artificial suponen la transformación de los datos sensoriales en descripciones significativas de la escena se emplean representaciones con grado creciente de abstracción de la imagen original. Para cada una de estas etapas se señala el conocimiento específico que es preciso inyectar, así como los modelos matemáticos y algoritmos adecuados para su representación y uso.
La asignatura tiene un carácter eminentemente aplicado dendro de este programa de máster y su estudio contribuye en mayor o menor medida a la adquisición de las competencias que el ingeniero debe poseer:
Competencias generales
CG1 - Que los estudiantes sepan aplicar los conocimientos adquiridos y su capacidad de resolución de problemas en entornos nuevos o poco conocidos dentro de contextos más amplios (o multidisciplinares) relacionados con su área de estudio.
CG2 - Que los estudiantes sean capaces de integrar conocimientos y enfrentarse a la complejidad de formular juicios a partir de una información que, siendo incompleta o limitada, incluya reflexiones sobre las responsabilidades sociales y éticas vinculadas a la aplicación de sus conocimientos y juicios.
CG3 - Que los estudiantes sepan comunicar sus conclusiones ¿y los conocimientos y razones últimas que las sustentan¿ a públicos especializados y no especializados de un modo claro y sin ambigüedades.
CB8 - Que los estudiantes sean capaces de integrar conocimientos y enfrentarse a la complejidad de formular juicios a partir de una información que, siendo incompleta o limitada, incluya reflexiones sobre las responsabilidades sociales y éticas vinculadas a la aplicación de sus conocimientos y juicios
CB6 - Poseer y comprender conocimientos que aporten una base u oportunidad de ser originales en el desarrollo y/o aplicación de ideas, a menudo en un contexto de investigación
CB9 - Que los estudiantes sepan comunicar sus conclusiones ¿y los conocimientos y razones últimas que las sustentan¿ a públicos especializados y no especializados de un modo claro y sin ambigüedades
CB7 - Que los estudiantes sepan aplicar los conocimientos adquiridos y su capacidad de resolución de problemas en entornos nuevos o poco conocidos dentro de contextos más amplios (o multidisciplinares) relacionados con su área de estudio
CB10 - Que los estudiantes posean las habilidades de aprendizaje que les permitan continuar estudiando de un modo que habrá de ser en gran medida autodirigido o autónomo.
CG4 - Que los estudiantes posean las habilidades de aprendizaje que les permitan continuar estudiando de un modo que habrá de ser en gran medida autodirigido o autónomo.
Competencias específicas
CE1 - Conocer los fundamentos de la Inteligencia Artificial y las fronteras actuales en investigación.
CE2 - Conocer un conjunto de métodos y técnicas tanto simbólicas como conexionistas y probabilistas, para resolver problemas propios de la Inteligencia Artificial.
CE3 - Conocer los procedimientos específicos de aplicación de estos métodos a un conjunto relevante de dominio (educación, medicina, ingeniería, sistemas de seguridd y vigilancia, etc.), que representan las áreas más activas de investigación en IA.
