Visión de Alto Nivel

Dr. L. Enrique Sucar S.
INAOE

Página Curso: ccc.inaoep.mx/~esucar/Clases-van/van.html

 

1. Objetivo

Este curso se enfoca al problema de reconocimiento visual de objetos y a los aspectos asociados como la segmentación, extracción de características, modelado y clasificación.  Se estudiará el proceso de reconocimiento de objetos a partir de una o más imágenes, analizando los diversos enfoques y trabajos recientes. Se verán algunas aplicaciones como el etiquetado de imágenes, el reconocimiento de personas y la localización visual de robots.

2. Programa

Parte I  Fundamentos

1. Introducción

• Formación, captura y digitalización de imágenes
• Arquitectura y niveles de visión
• Reconocimiento de objetos
  

2. Repaso de Visión de Bajo Nivel

• Orillas
• Color
• Textura

Parte II Segmentación y Extracción de Características

3. Segmentación

• Técnicas básicas: división, agrupamiento, S&M
  
• Incorporación de semántica del dominio
• Técnicas recientes
  

4. Características globales

• Descriptores de forma
  
• Textura
• Color
• Firmas, términos visuales, ...
  

5. Características locales

• Esquinas (Harris)
  
• Características invariantes (SIFT)
  
• Otros descriptores
  

Parte III Modelado y Reconocimiento

6. Reconocimiento basado en modelos

• Modelos en 2 y 3 dimensiones
• Técnicas de reconocimiento

7. Reconocimiento basado en conocimiento

• Sistemas basados en conocimiento
• Técnicas estadísticas básicas
  
• Clasificadores, aprendizaje
  

8. Visión bayesiana

• Esquema bayesiano
  
• Modelos gráficos probabilistas en visión
  

9. Relaciones y gramáticas

• Relaciones espaciales
  
• Relaciones semánticas
  
• Gramáticas visuales
  

Parte IV Aplicaciones

10. Recuperación de imágenes por contenido

• Etiquetado automático
  
• Recuperación

11. Visión robótica

• Reconocimiento de marcas, localización visual
  
• Reconocimiento de personas
  

3. Bibliografía

3.1 Textos:

• Notas y Artículos varios (página del curso).
• S. Ullman, High-Level Vision, MIT Press, 2000.
  

3.2 Libros de Apoyo:

• R.C. Gonzalez, R.E. Woods, Digital Image Processing, Addison-Wesley, 1992.
• D.H. Ballard, C.M. Brown, Computer Vision, Prentice-Hall, 1982.
• D. Marr, Vision, W.H. Freeman, 1982.
• D. Forsyth, J. Ponce, Computer Vision: A Modern Approach, Prentice Hall, 2003.
• R. Duda, P. Hart, D. Storck, Pattern Classification, 2nd Edition, Wiley, 2001.
• L. E. Sucar, G. Gómez, Procesamiento de Imágenes y Visión Computacional (por publicarse)
  

4. Principales Revistas y Congresos

• International Journal of Computer Vision
• CVGIP: Image Understanding
• Image and Vision Computing
• IEEE - Trans. on Pattern Analysis and Machine Intelligence
• IEEE - Trans. on Systems, Man and Cybernetics
• International Conference on Pattern Recognition
• International Conference on Computer Vision
• Computer Vision and Pattern Recognition
• Congreso Iberoamericano de Reconocimiento de Patrones
  

5. Políticas del Curso

5.1 Prerrequisitos

Curso básico en visión o procesamiento de imágenes

5.2 Notas del Curso

Las notas del todo el curso estarán disponibles en la página WWW del curso. Las notas incluyen todo el material a presentarse en clase, ligas a los artículos y las actividades y proyectos.

5.3 Presentaciones, Proyecto y Participación

Se analizarán artículos recientes que serán presentados y discutidos en clase. Se realizará un proyecto final que aplique algunas de las técnicas vistas en el curso a un problema práctico. La participación en clase es muy importante por lo que es necesaria la asistencia (puntual!) a todas las sesiones.

5.4 Evaluación

• Presentación de artículos - 40 %
• Proyecto final - 40 %
• Participacion en clase - 20 %

5.5 Profesor

Dr. L. Enrique Sucar 

Coordinación de Ciencias Computacionales, INAOE
ext. 8208
esucar (AT) inaoep.mx
http://ccc.inaoep.mx/~esucar