Denominación de la asignatura

Percepción Computacional
Máster al que pertenece
Máster Universitario en Inteligencia Artificial
Créditos ECTS
6
Cuatrimestre en el que se imparte
Primer cuatrimestre
Carácter de la asignatura Obligatoria

Presentación

En los humanos, la adquisición de conocimiento del entorno comienza con los datos obtenidos a través de los sentidos. En los sistemas artificiales se trata de emular los procesos de percepción usando modelos de la visión humana, la comprensión del habla y el procesamiento de otras señales sensoriales.

En esta asignatura se proporcionarán las herramientas necesarias para entender cuáles son los elementos esenciales en la percepción computacional entendida como la capacidad que posee una inteligencia artificial de realizar las funciones de comprensión humana, principalmente la visión y el habla.

La percepción computacional ofrece multitud de retos desde el punto de vista matemático (algoritmos, preprocesamiento, filtrado, segmentación, etc.) como desde el de la ingeniería informática (optimización, rapidez, precisión de los algoritmos, etc.).

Esta asignatura presentará una visión global de cómo se ha afrontado en el estado del arte la percepción computacional, centrándonos de forma particular y detallada en algunos de los enfoques más comunes (detección de bordes o segmentación) así como enfoques más avanzados (filtros de Gabor, extracción de características invariantes al escalado, entre otros).

El alumno será capaz de afrontar problemas que involucren cualquier área de percepción humana (visión y oído), siendo capaz de procesar dicha información y extraer los aspectos más significativos para la toma de decisiones.

Finalmente, esta asignatura permitirá entender cómo se resuelven problemas actuales, como pueden ser el self-driving car, el procesamiento del habla o la comprensión avanzada y la detección de objetos dentro de imágenes.

Competencias

Competencias básicas.

  • 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.
  • 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.
  • 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.
  • 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.
  • 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.

Competencias generales.

  • CG6: Desarrollar habilidades avanzadas de interpretación rigurosa de los resultados científico-técnicos obtenidos al aplicar algoritmos de inteligencia artificial.

Competencias específicas:

  • CE6: Estimar y evaluar el rendimiento de un sistema de inteligencia artificial en base a las técnicas empleadas, los datos de entrada disponibles y el contexto de ejecución.
  • CE14: Desarrollar sistemas de percepción computacional capaces de extraer conocimiento a partir de datos no estructurados como audio, imágenes, vídeo y datos de otros sensores.
  • CE17: Conocer los principales modelos de aprendizaje automático y detección de anomalías, así como su aplicación práctica en diferentes casos de uso que requieren automatización.

Competencias transversales:

  • CT2: Identificar las nuevas tecnologías como herramientas didácticas para el intercambio comunicacional en el desarrollo de procesos de indagación y de aprendizaje.
  • CT3: Desarrollar habilidades de comunicación, escritas y orales, para realizar atractivas y eficaces presentaciones de información profesional.
  • CT4: Adquirir la capacidad de trabajo independiente, impulsando la organización y favoreciendo el aprendizaje autónomo.

Contenidos

Tema 1. Introducción a los sistemas de percepción
Objetivos
Funcionamiento del sistema auditivo
Percepción visual

Tema 2. Elementos de un sistema de percepción
Objetivos
Descubriendo los elementos esenciales de un sistema de percepción
Captura de información
Procesamiento de la información
Toma de decisión
Referencias bibliográficas

Tema 3.Captura y digitalización de señales
Objetivos Introducción
Sistemas de conversión analógico-discreto
Muestreo y cuantificación

Tema 4. Fuentes y tipos de ruido
Entropía: Concepto y estimación
Fuentes perturbadoras de las señales
Caracterización matemática del ruido: procesos estocásticos

Tema 5. Detección y cancelación de anomalías
Definición de anomalía
Métodos de identificación de anomalías
Eliminación de anomalías
Referencias bibliográficas

Tema 6. Procesamiento de señales. Filtrado y análisis en frecuencia
Objetivos
Introducción al análisis en frecuencia
La transformada de Fourier
Transformada discreta de Fourier (DFT) y su implementación mediante Fast Fourier Transform (FFT)

Tema 7. Procesamiento de imagen. Operaciones elementales
Ajuste de intensidad
Procesado sistemático del histograma
Suavizado y realce mediante operadores aritméticos
Referencias bibliográficas

Tema 8. Preprocesamiento de imagen. Operaciones espaciales
Filtros paso bajo y paso alto
Detección de bordes
Referencias bibliográficas

Tema 9. Procesamiento de imagen. Crecimiento de regiones
Segmentación y crecimiento de regiones
Técnicas empleadas en el crecimiento de regiones
Crecimiento de regiones basado en semillas
Crecimiento de regiones basado en Split and Merge
Crecimiento de regiones basado en Gradient Vector Flow (GVF)
Crecimiento de regiones basado en Watershed
Crecimiento de regiones basado en grafos
Referencias bibliográficas

Tema 10. Procesamiento de imagen. Morfología matemática
Introducción a la morfología matemática
Definición de elemento estructural
Erosión y dilatación
Apertura y clausura
Gradiente morfológico
Top Hat
Ejercicio práctico
Referencias bibliográficas

Tema 11. Extracción de características. Propiedades estadísticas y frecuenciales de la señal
Caracterización de señales en el dominio natural
Características derivadas del análisis en frecuencia

Tema 12. Extracción de características. Caracterización de textura en imágenes
Matriz de coocurrencia de Haralick
Patrones binarios locales
Caracterización basada en transformadas unitarias
Referencias bibliográficas

Tema 13. Extracción de características. Procesamientos multiescala y métodos avanzados
Introducción a la extracción de características basada en procesamientos multiescala
Definición de transformada Wavelet
Filtros de Gabor
Transformada SIFT
Referencias bibliográficas

Tema 14. Decisión. Principios e implementación de algoritmos de ayuda en la toma de decisiones
Clasificación y reconocimiento de patrones
Aplicación de técnicas machine learning al procesado de señales

Tema 15. Aplicaciones actuales del tratamiento de la señal
Biometrics
Self-driving car
Retos y limitaciones de la percepción computacional

Metodología

Las actividades formativas de la asignatura se han elaborado con el objetivo de adaptar el proceso de aprendizaje a las diferentes capacidades, necesidades e intereses de los alumnos.

Las actividades formativas de esta asignatura son las siguientes:

  • Trabajos, casos prácticos y laboratorios virtuales. Situarán al alumno ante situaciones reales de empresas que tendrán que analizar y tras ello tomar decisiones, evaluar consecuencias y alternativas. Permitirán adquirir hábitos intelectuales para abordar situaciones imprevisibles o programar planes de actuación adaptados a una realidad cambiante en la que no hay fórmulas matemáticas.
  • Participación en eventos.Son eventos programados todas las semanas del cuatrimestre: sesiones presenciales virtuales, foros de debate, test.

En la programación semanal puedes consultar cuáles son las actividades concretas que tienes que realizar en esta asignatura.

 

Estas actividades formativas prácticas se completan, por supuesto, con estas otras:

  • Estudio personal
  • Tutorías. Las tutorías se pueden articular a través de diversas herramientas y medios. Durante el desarrollo de la asignatura, el profesor programa tutorías en días concretos para la resolución de dudas de índole estrictamente académico a través de las denominadas “sesiones de consultas”. Como complemento de estas sesiones se dispone también del foro “Pregúntale al profesor de la asignatura” a través del cual se articulan algunas preguntas de alumnos y las correspondientes respuestas en el que se tratan aspectos generales de la asignatura. Por la propia naturaleza de los medios de comunicación empleados, no existen horarios a los que deba ajustarse el alumno.
  • Examen final presencial

Las horas de dedicación a cada actividad se detallan en la siguiente tabla:

ACTIVIDADES FORMATIVAS HORAS
Sesiones Presenciales Virtuales         15  
Lecciones magistrales         6  
Estudio Personal de material básico         52  
Lectura de material complementario         25  
Práctica de laboratorios virtuales         12  
Trabajos, casos prácticos y test de autoevaluación         17  
Tutoría individual y grupal         16  
Trabajo colaborativo, foro, chat, debates         7  
Total
        150  

 


Puedes personalizar tu plan de trabajo seleccionando aquel tipo de actividad formativa que se ajuste mejor a tu perfil. El profesor-tutor te ayudará y aconsejará en el proceso de elaboración de tu plan de trabajo. Y siempre estará disponible para orientarte durante el curso.

Bibliografía

Bibliografía básica.

Recuerda que la bibliografía básica es imprescindible para el estudio de la asignatura. Cuando se indica que no está disponible en el aula virtual, tendrás que obtenerla por otros medios: librería UNIR, biblioteca… 

Los textos necesarios para el estudio de la asignatura han sido elaborados por la UNIR y están disponibles en formato digital para consulta, descarga e impresión en el aula virtual.

Bibliografía complementaria.

Alain, C. et al. (2001). «What» and «where» in the human auditory system. Proceedings of the National Academy of Sciences, 98(21), 12301-12306.

Alberola, C. (2004). Probabilidad, variables aleatorias y procesos estocásticos. Valladolid: Universidad de Valladolid. Secretariado de Publicaciones e Intercambio Editorial. ISBN: 978-84-8448-307-6.

Atchison, D. y Smith, G. (2000). Optics of the human eye (pp. 34-35). Oxford: Butterworth-Heinemann.

Bishop, C. M. (1995). Neural networks for pattern recognition. Oxford: Oxford University Press.

González, R. C. y Woods R. E. (2007). Digital image processing. Upper Saddle River: Prentice-Hall, Inc.

Lim, J. S. (1990). Two-dimensional signal and image processing. Upper Saddle River: Prentice-Hall, Inc.

Moore, J. K. y Linthicum F. H. Jr. (2007). The human auditory system: a timeline of development. International journal of audiology, 46(9), 460-478.

Oppenheim, A. V. (1983). Signals and systems. Upper Saddle River: Prentice-Hall, Inc.

Oppenheim, A. V. y Schafer, R. W. (2009). Discrete-Time Signal Processing. Upper Saddle River: Prentice-Hall, Inc.

Thorpe, S., Fize, D. y Marlot, C. (1996). Speed of processing in the human visual system. Nature: International Journal of Science, 81, 520-522.

Young, S. S. (2001). Computerized data acquisition and analysis for the life sciences. Cambridge: Cambridge University Press.

Evaluación y calificación

El sistema de calificación se basa en la siguiente escala numérica:

0 - 4, 9

Suspenso

(SS)

5,0 - 6,9

Aprobado

(AP)

7,0 - 8,9

Notable

(NT)

9,0 - 10

Sobresaliente

(SB)

La calificación se compone de dos partes principales:

CALIFICACIÓN   EXAMEN FINAL 60%
EVALUACIÓN CONTINUA 40%

El examen se realiza al final del cuatrimestre y es de carácter PRESENCIAL y OBLIGATORIO. Supone el 60% de la calificación final y para que la nota obtenida en este examen se sume a la nota final, es obligatorio APROBARLO.

La evaluación continua supone el 40% de la calificación final. Este 40% de la nota final se compone de las calificaciones obtenidas en las diferentes actividades formativas llevadas a cabo durante el cuatrimestre.

Ten en cuenta que la suma de las puntuaciones de las actividades de la evaluación continua permite que realices las que prefieras hasta conseguir el máximo puntuable mencionado en la programación semanal. En ella se detalla la calificación máxima de cada actividad o evento concreto puntuables.

El sistema de evaluación de la asignatura es el siguiente:

SISTEMA DE EVALUACIÓN

PONDERACIÓN
MIN

PONDERACIÓN
MAX

Participación en sesiones, foros y laboratorios

0 %

40 %

Realización de trabajos, proyectos y casos

0 %

40 %

Prácticas de laboratorio virtual

10 %

40 %

Test de autoevaluación

0 %

40 %

Examen final presencial

60 %

60 %

 

Ten en cuenta…
Si quieres presentarte solo al examen final, tendrás que obtener una calificación de 5 puntos sobre 6 para aprobar la asignatura.

Profesorado

Alberto de Santos Sierra

Formación académica: Doctor Ingeniero de Telecomunicaciones (Cum Laude y Premio Extraordinario de Doctorado) por la Universidad Politécnica de Madrid en 2012. Su tesis doctoral aplicaba el reconocimiento de patrones y la visión por computador al reconocimiento biométrico de personas en dispositivos móviles.

Experiencia: Actualmente es Senior Data Scientist en Vodafone y cocreador de Koulu (plataforma de Inteligencia Artificial aplicada a la enseñanza de matemáticas en cursos superiores). Previamente, fue Lead Data Scientist en Hewlett-Packard Enterprise.

Líneas de investigación: Alberto de Santos posee más de 45 publicaciones en temas de procesamiento de señales e imágenes aplicadas a la biometría, así como una patente en detección de estrés y lógica difusa. Sus intereses se centran, además, en la visualización y representación de datos.

 

José Víctor Marcos Martín

Formación académica: Doctor en Tecnologías de la Información y las Telecomunicaciones e ingeniero de Telecomunicación por la Universidad de Valladolid.

Experiencia:  En 2016 se une a Vodafone como Data Scientist. Previamente, ha desarrollado su carrera profesional en otras compañías en el sector de las TIC. Su trayectoria investigadora se inicia en 2006, centrándose en el diseño e implementación de nuevas técnicas para el tratamiento de señales e imágenes. En este tiempo, desarrolla su labor en el Instituto de Óptica del CSIC y en el Grupo de Ingeniería Biomédica de la Universidad de Valladolid.

Líneas de investigación: Ha publicado más de quince artículos JCR en revistas internacionales y ha participado en más de treinta congresos y conferencias relacionadas con el procesado de señal e imagen. Su tesis doctoral fue distinguida con el Premio Extraordinario de Doctorado de la Universidad de Valladolid.

Orientaciones para el estudio

Obviamente, al tratarse de formación on-line puedes organizar tu tiempo de estudio como desees, siempre y cuando vayas cumpliendo las fechas de entrega de actividades, trabajos y exámenes. Nosotros, para ayudarte, te proponemos los siguientes pasos:

  1. Desde el Campus virtual podrás acceder al aula virtual de cada asignatura en la que estés matriculado y, además, al aula virtual de Lo que necesitas saber antes de empezar. Aquí podrás consultar la documentación disponible sobre cómo se utilizan las herramientas del aula virtual y sobre cómo se organiza una asignatura en la UNIR y también podrás organizar tu plan de trabajo personal con tu profesor-tutor.
  2. Observa la programación semanal. Allí te indicamos qué parte del temario debes trabajar cada semana.
  3. Ya sabes qué trabajo tienes que hacer durante la semana. Accede ahora a la sección Temas del aula virtual. Allí encontrarás el material teórico y práctico del tema correspondiente a esa semana.
  4. Comienza con la lectura de las Ideas clave del tema, constituyen el contenido del tema y el material básico de estudio. Lee siempre el primer apartado, Presentación, porque allí te especificamos qué material tienes que estudiar. Consulta, además, las secciones del tema que contienen material complementario (Experiencias, Lecturas, Más recursos).
  5. Dedica tiempo al trabajo práctico (sección Casos prácticos y Test). En la programación semanal te detallamos cuáles son las actividades correspondientes a cada semana y qué calificación máxima puedes obtener con cada una de ellas.
  6. Te recomendamos que participes en los eventos del curso (sesiones presenciales virtuales, foros de debate…). Para conocer la fecha concreta de celebración de los eventos debes consultar las herramientas de comunicación del aula vitual. Tu profesor y tu profesor-tutor te informarán de las novedades de la asignatura.
En el aula virtual de Lo que necesitas saber antes de empezar encontrarás siempre disponible la documentación donde te explicamos cómo se estructuran los temas y qué podrás encontrar en cada una de sus secciones: Ideas clave, Casos prácticos, Experiencias, Lecturas, Más recursos y Test.

Recuerda que en el aula virtual de Lo que necesitas saber antes de empezar puedes consultar el funcionamiento de las distintas herramientas del aula virtual: Correo, Foro, Sesiones presenciales virtuales, Envío de actividades, etc.

Ten en cuenta estos consejos…

  • Sea cual sea tu plan de estudio, accede periódicamente al aula virtual, ya que de esta forma estarás al día de las novedades del curso y en contacto con tu profesor y con tu profesor tutor.
  • Recuerda que no estás solo: consulta todas tus dudas con tu profesor-tutor utilizando el correo electrónico. Si asistes a las sesiones presenciales virtuales también podrás preguntar al profesor sobre el contenido del tema. Además, siempre puedes consultar tus dudas sobre el temario en los foros que encontrarás en cada asignatura (Pregúntale al profesor).
  • ¡Participa! Siempre que te sea posible accede a los foros de debate y asiste a las sesiones presenciales virtuales. El intercambio de opiniones, materiales e ideas nos enriquece a todos.
  • Y ¡recuerda!, estás estudiando con metodología on line: tu esfuerzo y constancia son imprescindibles para conseguir buenos resultados. ¡No dejes todo para el último día!