Informações da Disciplina

 Preparar para impressão 

Júpiter - Sistema de Gestão Acadêmica da Pró-Reitoria de Graduação


Escola de Engenharia de São Carlos
 
Engenharia Elétrica e de Computação
 
Disciplina: SEL0339 - Visão Computacional
Computer Vision

Créditos Aula: 2
Créditos Trabalho: 1
Carga Horária Total: 60 h
Tipo: Semestral
Ativação: 15/07/2023 Desativação:

Objetivos
Fornecer ao aluno requisitos fundamentais para a compreensão da Visão Computacional, detalhando as principais técnicas de processamento de imagens, segmentação, extração de características, classificação e reconhecimento de padrões em imagens.
 
 
 
Docente(s) Responsável(eis)
1292840 - Marcelo Andrade da Costa Vieira
 
Programa Resumido
Introdução à visão computacional, revisão dos conceitos de processamento de imagens, processamento de imagens coloridas, operadores morfológicos, segmentação de imagens, extração de características, reconhecimento de padrões em imagens, classificadores, redes neurais artificiais, métodos de avaliação de classificadores.
 
 
 
Programa
Introdução à visão computacional: visão  biológica, fundamentos de imagens digitais, vizinhança, Introdução à visão computacional: visão biológica, fundamentos de imagens digitais, vizinhança, adjacência, conectividade e métricas de distância. Revisão dos conceitos de processamento digital de imagens. Processamento de imagens coloridas: modelo de cor e espaço de cor. Operadores morfológicos:
dilatação, erosão, abertura, fechamento e filtros morfológicos. Segmentação de imagens: fronteiras, região, detectores de bordas, limiarização automática, crescimento de região. Extração de características: descritores de forma, descritores de cor, descritores de textura. Momentos invariantes.
Reconhecimento de padrões em imagens: vetores de características, seleção de características, métodos de decisão. Classificadores: classificadores de distância mínima, classificadores Bayesianos, redes neurais.

artificiais, deep learning, redes neurais convolucionais, treinamento supervisionado e não-
supervisionado, métodos de agrupamento (hierárquico e não-hierárquico).

Métodos de avaliação de classificadores: tabela de contingências, matriz de confusão, validação
cruzada, curvas ROC.
 
 
 
Avaliação
     
Método
Provas teóricas, provas práticas, trabalhos práticos, projetos, listas de exercícios.
Critério
Média ponderada de todas as avaliações com nota maior ou igual a 5,0 (cinco).
Norma de Recuperação
Os critérios de avaliação da recuperação devem ser similares aos aplicados durante o semestre regular do oferecimento da disciplina; 1) A nota final (MF) do aluno que realizou provas de recuperação dependerá da média do semestre (MS) e da média das provas de recuperação (MR), como segue: a) MF=5 se 5 ≤MR ≤ (10 - MS); b) MF = (MS + MR) / 2 se MR > (10 – MS) c) MF = MS se MR < 5. 2) O período de recuperação das disciplinas deve se estender do início até um mês antes do final do semestre subsequente ao da reprovação do aluno em primeira avaliação.
 
Bibliografia
     
PRINCIPAL:

GONZALEZ, R.C.; WOODS, R.E. Digital Image Processing 4th Ed., Pearson, 2018.
GONZALEZ, R.C.; WOODS, R.E.; EDDINS, S.L. Digital Image Processing using Matlab, 3rd Ed., Gatesmark, 2020.
GONZALEZ, R.C.; WOODS, R.E. Processamento Digital de Imagens, 3a Ed., Pearson, 2010.
PRINCE, S. J. D.; Computer Vision: Models, Learning, and Inference, 1st Ed., Cambridge University Press, 2012.

Complementar
ALPAYDIN, E.; Introduction to Machine Learning, 3rd Ed., The MIT Press, USA, 2014.
SZELISKI, R.; Computer Vision: Algorithms and Applications, Springer, 2011.
BACKES, A. R.; Junior, J. J. M. S. Introdução à Visão Computacional Usando Matlab, 1a Ed., Alta Books, 2016.
NIXON, M.; AGUADO, A. S. Feature Extraction & Image Processing, 2nd Ed., Elsevier, London, 2008.
 

Clique para consultar os requisitos para SEL0339

Clique para consultar o oferecimento para SEL0339

Créditos | Fale conosco
© 1999 - 2024 - Superintendência de Tecnologia da Informação/USP