TEORIA: 1. Introducción a la Visión Artificial: a. Filtrado por Deconvolución. b. Características geométricas: edges, corners, lineas, círculos. c. Características de área: esqueletos, momentos invariantes. d. Segmentación: Clustering EM, algoritmo de blobs. e. Reconocimiento mediante matching de grafos. 2. Introducción al Aprendizaje a. Redes neuronales. Perceptrones y Mapas Auto-organizativos. b. Clasificadores Naïve Bayes. c. Árboles de Decisión. d. Support Vector Machines. e. Modelos ocultos de Markov. f. Boosting. Adaboost.
PRACTICAS: 1. Implementación de un algoritmo de Visión Artificial con JavaVis 2. Implementación de un algoritmo de Aprendizaje en Java. |