Nome: Visão Computacional

ATENÇÃO !!! O Material disponível aqui está desatualizado (de todas as disciplinas). A partir de 2012, minhas disciplinas passaram a ser oferecidas através da UCDB Virtual: http://www.virtual.ucdb.br/

Link de acesso restrito para a disciplina no ambiente virtual da UCDB: http://www.virtual.ucdb.br/moodle/course/view.php?id=2470

Para outras informações sobre acesso à disciplina entre em contato comigo através de pistori@ucdb.br

-------------------------------------------------

Objetivo: Apresentar uma visão geral da  Visão Computacional, destacando as possibilidades que essa área oferece para profissionais envolvidos com pesquisa e desenvolvimento tecnológico em Biotecnologia.

Ementa: Introdução à visão computacional. Ferramentas de apoio. Formação da imagem, dispositivos de captura e representação. Cor e textura. Pré-processamento e Filtros.  Segmentação. Rastreamento. Reconhecimento e Classificação. Avaliação de desempenho de algoritmos de visão computacional. Aplicações e tópicos avançados. 

Aspectos Metodológicos:

• Todas as aulas acontecerão dentro de laboratórios com ampla utilização de ferramentas de software para experimentação dos conceitos e técnicas que serão apresentadas;

• Os fundamentos matemáticos serão abordados apenas de forma intuitiva e geral, levando em consideração a grande diversidade na formação prévia dos alunos;

• Na medida do possível, os exemplos utilizados durante o curso serão relacionados com problemas reais apontados pelos próprios acadêmicos;

• Complementando os encontros presenciais, os acadêmicos contarão com um ambiente virtual (google groups) de apoio à comunicação entre alunos e com o professor, onde serão propostas discussões e disponibilizados materiais adicionais.

 Avaliação (disciplina concentrada):

Os acadêmicos, em grupos de 2 ou 3, e sob orientação do professor, deverão redigir o esboço de um artigo técnico/científico, seguindo o formato de algum periódico da área da computação, biotecnologia ou correlatas. Este artigo, que receberá uma nota de 0 a 10, tratará de um tema a ser escolhido pelo grupo, de comum acordo com o professor. Sugestões gerais para o artigo:

• Resenha sobre o estado da arte (Survey paper): Visão computacional aplicada ao agronegócio, Visão computacional na análise de comportamento de animais, ...

• Estudo de caso: Um estudo de caso de aplicação de técnicas de Visão Computacional na contagem de ..., Um estudo de caso...na identificação de defeitos em ....,

Material de apoio: Clique aqui

Links relacionados: Clique Aqui

Exercícios com o ImageJ: Clique Aqui

Outras considerações:

• Artigos escritos em Inglês receberão um ponto a mais do que o artigos escritos em Português (de mesma qualidade).

• Os melhores esboços deverão, sob orientação do professor, ser aprimorados e submetidos para revistas (após a conclusão da disciplina)

• Intervenções relevantes realizadas em sala de aula, ou através do ambiente virtual, diretamente relacionadas com a disciplina, serão pontuadas e somadas à nota do artigo. As intervenções receberão de 0.1 e 0.5 pontos.

Formato sugerido para o artigo: Journal of Biotechnology (http://www.sciencedirect.com/science/journal/01681656). Poderão ser utilizados também modelos de outros periódicos, como os da Elsevier para Latex ou Word, por exemplo. Mais informações: Modelos e instruções para utilização do Latex, Modelo para utilização do MS Word.

Dicas sobre escrita de artigos: componentes de um artigo científico, dicas para encontrar informação e onde encontrar bons textos

Bibliografia Básica:
FORSYTH, David and PONCE, Jean. Computer Vision: A Modern Approach. Prentice Hall, 2002.*
NIXON, Mark S. and AGUADO, Alberto S. Feature Extraction & Image Processing. Newnes, 2002.
GONZALEZ ,R.C., WOODS , R.E. Processamento de Imagens Digitais. Edgard Blucher, 2000

Bibliografia Complementar:
TRUCCO, E. and VERRI, A. Introductory Techniques for 3-D Computer Vision. Prentice Hall, 1998.
DUDA, R.O., HART, P. E. and STORK, D. G. Pattern Classification. Wiley, 2001.
BALLARD, D. H. and BROWN, C. M. Computer Vision. Prentice Hall. 1982.
MARR, David. Vision. W. H. Freeman & Co.,1982.
WHELAN, P. F. and MOLLOY, D. Machine Vision Algorithms in Java: Techniques and Implementation. Springer-Verlag, 2000.
GONZALEZ ,R.C., WOODS , R.E. Digital Image Processing, Prentice Hall, 2002
K. R. CASTLEMAN, Digital Image Processing, Prentice Hall, 1996
A. K. JAIN, Fundamentals of Digital Image Processing, Prentice Hall, 1989
D. HANSELMAN, B. LITTLEFIELD, Mastering Matlab 6, Prentice Hall, 2001 

AVALIAÇÃO PARA DISCIPLINA SEMESTRAL (ENGENHARIA DE COMPUTAÇÃO)

Os acadêmicos desta disciplina serão avaliados quanto à capacidade de envolvimento em atividades que exigirão: levantamento bibliográfico, produção de textos técnicos e científicos, implementação de técnicas relacionadas ao conteúdo da disciplina, realização de experimentos e discussão de resultados. Para que o desenvolvimento do acadêmico possa ser avaliado progressivamente, estão previstas as seguintes metas:

• 28/03: Primeira versão de um artigo contendo, principalmente, uma boa revisão bibliográfica da área envolvendo o tema escolhido e uma introdução, descrevendo em linhas gerais as metas do trabalho a ser realizado. Instrumento de avaliação: cópia digital do artigo (de três a seis páginas), seguindo o formato em latex da Sociedade Brasileira de Computação, SBC. Na página do GPEC, seção documentos, podem ser encontradas instruções gerais sobre escrita de artigos técnicos/científicos. [T1]

• 02/05: Versão intermediária do artigo. Instrumento de avaliação: artigo. [T2]

• 12/06: Versão final do artigo, arquivos fontes e material de apoio do software implementado. Instrumento de avaliação: Uma cópia impressa do artigo (de seis a dez páginas), fontes e material de apoio [T3].

Também farão parte da avaliação os conceitos, até 5 pontos, obtidos através de (C):
* Participação diferenciada em sala de aula e listas de discussão
* Atividades extra-classe diretamente relacionadas com os conteúdos da disciplina
* Contribuições significativas para a página da disciplina e outros materiais didáticos
* Bônus por realização de implementações e trabalhos extras

Média Final = (T1+T2+T3+C)/3

Importante: a elaboração dos trabalhos deve seguir as regras especificadas em instruções para entrega de trabalhos (clique aqui)