Accesos directos a las distintas zonas del curso

Ir a los contenidos

Ir a menú navegación principal

Ir a menú pie de página

VISIÓN ARTIFICIAL

Curso 2020/2021/Subject's code31101235

VISIÓN ARTIFICIAL

NAME SUBJECT VISIÓN ARTIFICIAL
CODE 31101235
SESSION 2020/2021
DEGREE IN WHICH IT IS OFFERED MÁSTER UNIVERSITARIO EN I.A. AVANZADA: FUNDAMENTOS,MÉTODOS Y APLICACIONES
MÁSTER UNIVERSITARIO EN INVESTIGACIÓN EN INTELIGENCIA ARTIFICIAL
TYPE CONTENIDOS
ECTS 6
HOURS 150.0
PERIOD ANUAL
OFFER LANGUAGES CASTELLANO

PRESENTACIÓN Y CONTEXTUALIZACIÓN

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 Investigación en Inteligencia Artificial" de la ETSI Informática de la UNED, es anual, de caracter optativo y su carga lectiva es de seis créditos ECTS. La asignatura tiene un carácter eminentemente aplicado dendro de este programa de máster y su estudio  contribuye en gran medida a la adquisición de las competencias que el ingeniero debe poseer.

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, empleando 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.