Contacto: hugomcp@di.ubi.pt

 

Visão Computacional (MEI)

2020/2021

 

 


 

Notícias

  • 17/6/2021: As classificações relativas à primeira época de exame foram anunciadas.
  • 09/6/2021: As classificações relativas ao período "Ensino-Aprendizagem" foram anunciadas.
  • 26/4/2021: A data-limite para entrega do trabalho prático "GTSRB Detection" foi alterada para 6 de Maio de 2021, 23:59.
  • 22/2/2021: Enquanto o confinamento se mantiver, as aulas serão leccionadas remotamente via "Microsoft Teams". Cada aluno, ao entrar na referida plataforma com o seu utilizador "@ubi.pt" estará automáticamente registado na respetiva equipa. A primeira aula ocorrerá na 5ª feira, 25/02/2021, às 14:00.
  • 22/2/2021: Disponível a informação relativa ao funcionamento da disciplina.



Critérios de Avaliação

  • Assiduidade (A)
    • A aprovação à disciplina está condicionada a níveis mínimos de assiduidade de 80% nas aulas.
  • Trabalho Prático (P)
    • Os trabalhos práticos da disciplina contribuem em 10 valores para a classificação final.
    • A aprovação à disciplina requer a nota mínima de 5 valores no trabalho prático.
      • Parte 1: OCR Dataset (2 valores): 18 de Março de 2021, 23:59, via email.
      • Parte 2: GTSRB Dataset Classification (2 valores): 8 de Abril de 2021, 23:59, via email.
      • Parte 3: GTSRB Dataset Detection (3 valores): 6 de Maio de 2021, 23:59, via email.
      • Parte 4: Reinforcement Learning (3 valores): 31 de Maio de 2021, 23:59, via email.
    • A obtenção de classificação nos trabalhos práticos está condicionada à apresentação/discussão individual de cada aluno com o docente.
  • Frequência
    • Prova (F1) - 5ª feira, 20 de maio de 2021, 14:00-16:00, Sala 6.18
  • Classificação Ensino/Aprendizagem (C)
    • C=P*10/20+F*10/20
  • Admissão a Exame 
    • Consideram-se admitidos a Exame os alunos que obtiverem classificação mínima de 6 valores na componente de Ensino-Aprendizagem.
  • Exames
    • A nota do trabalho prático é sempre considerada  para atribuição da nota final

Programa

1) The Four Rs of Computer Vision;
2) Geometry and Image Formation (Light and Color, Cameras and Optics, Pixels and Image Representations);
3) Image Processing (Linear Systems, Spatial and Frequency Domains, Convolution and Filters, Edge detection, Keypoints Detection);
4) Camera Calibration (Epipolar geometry);
5) Object Detection and Segmentation (AdaBoost detector, Hough Transform, Active Contours);
6) Multiple Views and Motion (Stereo Correspondence, Optical Flow);
7) Image Representation (Feature Extraction, Principal Components Analysis);
8) Image Classification and Recognition (Feature Matching, Nearest Neighbour Classification, Linear Classification, Support Vector Machines);
9) Neural Networks (Cost Functions Optimisation, Gradient Descend, Retropropagation Algorithm;
10) Deep Learning Models (Layers and Configurations, Convolutional Neural Networks, AlexNet, VGGNet, ResNet, Preprocessing, Data Augmentation, R-CNNs and FCNs, GANs).


Bibliografia

  • Principal
    • David A. Forsyth and Jean Ponce; Computer Vision: A Modern Approach, Prentice-Hall, 2002.
    • Dana Ballard and Chris Brown; Computer Vision, Online.
    • J. R. Parker; Algorithms for Image Processing and Computer Vision, Wiley, 1995.
  • Secundária

 

    • Torras, C.; Computer Vision, Theory and Industrial Applications, New York, Springer, 1992.
    • Davies, E.R.; Machine Vision: Theory, Algorithms, Practicalities, Third Edition, Morgan Kaufmann, 2005.

 


Aulas

Semana

Teóricas

Práticas

Semana 25/02

[Computer Vision ?]
[Computer Vision ?_com_notas]

Instalação Python, Open CV.

(Exercício Transformada Projetiva) [graffiti.zip]

Semana 04/03

(continuação)

[OCR Data Set

Semana 11/03

[Signals and Systems]

[Trabalho Prático 1]

Semana 18/03

[Object Detection]

Semana 25/03

(continuação)

Semana 01/04

[Image Features]

[GTSRB Classification]
[Trabalho Prático 2]

Semana 08/04

[Deep Learning]


Semana 15/04

(continuação)

[GTSRB Detection]

Semana 29/04

[Motion Descriptors]

(Implementação do trabalho prático ("GTSRB Detection")
[Trabalho Prático 3]

Semana 06/05

[Semantic Segmentation]

 

Semana 13/05

(Continuação)

[Trabalho Prático 4]

Semana 20/05

(Prova escrita de Avaliação)

[Exemplo Frequência][Exemplo Frequência 2] [Exemplo Exame]

Semana 27/05



Semana 03/06



 


Classificações

 

Nome Freq Exame P1 App1 Trab1 P2 App2 Trab2 P3 App3 Trab3 P4 App4 Trab4 Trabs NOTA
E10677 Renato Manuel Figueiredo Lopes                                0
M9686 Felipe Pereira da Rosa                                0
M10620 António José Marques Abreu  15,75   4,5 5 18,5 4,25 5 17,75 4,4 4,25 17,45 3,75 4,75 16 17,285 16,5175
M10733 Thiago Silveira Machado  6,5   2,75 4 12,25 2,75 4 12,25 3 3,1 12,1 3,75 4 15,25 13,105 9,8025
M10784 Mauro Mendes Gaudêncio  10,75   4,5 4 17,5 4,25 3 15,75 3,75 3,5 14,75 4,25 4,75 17,5 16,325 13,5375
M10787 Afonso Pereira Figueiredo  11,75 12,5 2,75 2 10,25 2,75 3,5 11,75 3,25 3,9 13,65 3,85 4,45 16 13,295 12,8975
M10815 Pedro Jorge Franco Brito  13 16,5 4 5 17 4,5 4 17,5 4,75 4,25 18,5 5 4,25 19,25 18,225 17,3625
M10929 Dário Vítor Freitas Santos  11,75   4 3 15 4 4 16 3 4,5 13,5 4 4,75 16,75 15,275 13,5125
M10952 Carlos Daniel de Sousa Esteves  6,5 9,5 2 2 8 2,5 2 9,5 3,25 3,1 12,85 3,75 4 15,25 11,93 10,715
M10956 Daniel Pereira Reis  13,25   4,5 4,5 18 4,7 5 19,1 4 4,5 16,5 4,5 4,75 18,25 17,845 15,5475
M11062 Rúben Cristiano Bessa Brito 7,5 11,5 2 2 8 2,75 3 11,25       4,25 4 16,75 8,875 10,1875
M11128 Philipe Sousa Cortez          0     0     0     0 0 0
M11137 David Alexandre Ferreira da Silva  10,25   2,75 2 10,25 2,75 1 9,25 3 4 13 4 4,5 16,5 12,75 11,5
M11161 David Miguel Martins Pires  6   4 4 16 3,5 3 13,5 3 3 12 3,5 3 13,5 13,55 9,775
M11196 Edgar Daniel Santos de Jesus  6,75       0 4,5 1 14,5 5 2 17 4,5 2 15,5 12,65 9,7
M11207 Faustino Paulo Muetunda          0     0     0     0   0
M11209 Pedro Filipe Santos Pereira          0     0     0     0   0