Guía docente de la asignatura
(6608) ANÁLISIS DE IMAGEN Y VISIÓN ARTIFICIAL

Curso académico 2026/2027

  1. Identificación

    1. De la asignatura

      Curso Académico
      2026/2027
      Titulación
      GRADO EN CIENCIA E INGENIERÍA DE DATOS
      Nombre de la asignatura
      ANÁLISIS DE IMAGEN Y VISIÓN ARTIFICIAL
      Código
      6608
      Curso
      CUARTO
      Carácter
      OPTATIVA
      Número de grupos
      1
      Créditos ECTS
      4.5
      Estimación del volumen de trabajo
      112.5
      Organización temporal
      1º Cuatrimestre
      Idiomas en que se imparte
      Español
      Curso Académico 2026/2027
      Titulación

      GRADO EN CIENCIA E INGENIERÍA DE DATOS
      Nombre de la asignatura ANÁLISIS DE IMAGEN Y VISIÓN ARTIFICIAL
      Código 6608
      Curso CUARTO
      Carácter OPTATIVA
      Número de grupos 1
      Créditos ECTS 4.5
      Estimación del volumen de trabajo 112.5
      Organización temporal 1º Cuatrimestre
      Idiomas en que se imparte Español

    2. Del profesorado: Equipo docente

      • PERALES GOMEZ, ANGEL LUIS Docente: GRUPO 1 Coordinación de los grupos: GRUPO 1 Coordinador de la asignatura

        Categoría

        PROFESOR AYUDANTE DOCTOR

        Área

        ARQUITECTURA Y TECNOLOGÍA DE COMPUTADORES

        Departamento

        INGENIERÍA Y TECNOLOGÍA DE COMPUTADORES

        Correo electrónico / Página web / Tutoría electrónica

        angelluis.perales@um.es Tutoría electrónica: Sí

        Teléfono, horario y lugar de atención al alumnado

  2. Presentación

    Esta asignatura aborda técnicas avanzadas de visión por computador, incluyendo el análisis de texturas, descriptores de imagen y reconocimiento automático de objetos. Se estudian el flujo óptico, la geometría de múltiples vistas y sus aplicaciones en reconstrucción 3D, realidad aumentada y visión industrial. Además, se introducen arquitecturas de deep learning y el uso de librerías computacionales especializadas para el desarrollo de soluciones prácticas en este campo.

  3. Condiciones de acceso a la asignatura

    1. Incompatibilidades

      No constan

    2. Requisitos

      No constan

    3. Recomendaciones

      No constan

  4. Competencias

    1. Competencias básicas

      • CB1: Que los estudiantes hayan demostrado poseer y comprender conocimientos en un área de estudio que parte de la base de la educación secundaria general, y se suele encontrar a un nivel que, si bien se apoya en libros de texto avanzados, incluye también algunos aspectos que implican conocimientos procedentes de la vanguardia de su campo de estudio
      • CB4: Que los estudiantes puedan transmitir información, ideas, problemas y soluciones a un público tanto especializado como no especializado

    2. Competencias de la titulación

      • CG2: Conocer y aplicar los fundamentos de ingeniería y tecnologías informáticas actuales para diseñar e implementar nuevas aplicaciones de análisis de datos.
      • CE1: Usar de forma efectiva una variedad de técnicas de análisis de datos, tales como aprendizaje computacional (incluyendo aprendizaje supervisado, no supervisado y semi-supervisado), minería de datos, analítica prescriptiva y predictiva, para abordar el análisis de datos complejo en todo el ciclo de vida de los datos.
      • CE32: Conocer las técnicas fundamentales de procesado y análisis de imágenes y saber analizar e interpretar los resultados obtenidos.

    3. Competencias transversales y de materia

      No constan

  5. Contenidos

    1. Teoría

      Tema 1: Análisis de imágenes y visión artificial

      1. Historia, dispositivos y aplicaciones de la visión artificial.
      2. Procesamiento de imágenes.
      3. Extracción de características.

      Tema 2: Geometría proyectiva para visión artificial

      1. Modelo de cámara lineal.
      2. Homografías planares.
      3. Geometría epipolar.

      Tema 3: Técnicas de matching entre imágenes. Flujo óptico denso y disperso.

      1. Descriptores frecuenciales y multirresolución.
      2. Reconocimiento basado en puntos de interés.
      3. Aplicaciones en reconocimiento de objetos.

      Tema 4: Deep learning para visión artificial

      1. Modelos de detección y clasificación de objetos.
      2. Arquitecturas neuronales profundas para visión artificial.
      3. Transfer learning.

    2. Prácticas

      • Práctica 1: Ejercicios de geometría visual

        Calibración de cámaras. Rectificación de planos. Construcción de panoramas. Geometría 3D.

        Relacionado con:
        • Tema 1: Análisis de imágenes y visión artificial
        • Tema 2: Geometría proyectiva para visión artificial

      • Práctica 2: Ejercicios prácticos de reconocimento de objetos

        Se aplicarán las técnicas clásicas del tema 2 para reconocimiento de objetos.

        Relacionado con:
        • Tema 3: Técnicas de matching entre imágenes. Flujo óptico denso y disperso.

      • Práctica 3: Uso de modelos de deeplearning en aplicaciones de visión

        Implementación y puesta en marcha de modelos de reconocimento/clasificación de objetos basados en arquitecturas del estado del arte de deep learning para visión. Transfer learning.

        Relacionado con:
        • Tema 4: Deep learning para visión artificial

  6. Actividades Formativas

    Actividad Formativa Metodología Horas Presencialidad
    AF1: Exposición teórica: Exposición de los contenidos teóricos de la asignatura por parte del profesor. También se contemplan las sesiones informativas sobre el desarrollo del trabajo de fin de grado o prácticas externas. 28.0 100.0
    AF3: Prácticas de laboratorio: Ejercicios y resolución de problemas, aprendizaje orientado a proyectos, estudio de casos, exposición y discusión de trabajos, simulaciones y/o prácticas con ordenadores, generalmente desarrolladas en grupos reducidos. 14.0 100.0
    AF4: Trabajo autónomo del alumno: Estudio y preparación de contenidos teórico-prácticos, trabajo individual consistente en lecturas, búsquedas de información, sistematización de contenidos, elaboración de informes o estudio para la elaboración de casos entre otras actividades. 67.5 0.0
    AF5: Tutorías formativas y resolución de dudas: Asistencia individualizada -tutorías individuales- o en grupo -tutorías colectivas- a los estudiantes por parte del profesor. 1.0 100.0
    AF6: Evaluación: Pruebas individuales, ya sean escritas, orales o con medios informáticos, donde el estudiante demostrará los conocimientos teóricos y prácticos adquiridos durante las actividades formativas asociadas a la enseñanza de la materia. 2.0 100.0
    Totales 112,50

  7. Horario de la asignatura

    https://www.um.es/web/estudios/grados/ciencia-ingenieria-datos/2026-27#horarios

  8. Sistemas de Evaluación

    Identificador Denominación del instrumento de evaluación Criterios de Valoración Ponderación
    SE1 Exámenes individuales: Pruebas objetivas, de desarrollo, de respuesta corta, de ejecución de tareas o de escala de actitudes, realizadas por los estudiantes para mostrar los conocimientos teóricos y prácticos adquiridos ya sea de forma oral, escrita o utilizando un ordenador.

    En clase se realizarán pruebas objetivas, de desarrollo, de respuesta corta, de ejecución o de escala de actitudes, realizadas por los estudiantes para mostrar los conocimientos teóricos y prácticos adquiridos, ya sea de forma oral, escrita o utilizando un ordenador. Se exigirá un mínimo de 40%, los alumnos que no superen el umbral deberán realizar un examen en la evaluación final.

    La calificación de SE1 es recuperable. Ver apartado de Observaciones.

    		 65.0
    SE3 Procedimientos de observación del trabajo del estudiante: Registros de participación, de realización de actividades, cumplimiento de plazos, participación en foros, informes de seguimiento del trabajo fin de grado y registros sobre el desarrollo de las prácticas externas. 0.0
    SE4 Informe técnico. En este instrumento incluimos los resultados de actividades prácticas, o de laboratorio, junto con sus memorias descriptivas y posibles resúmenes del estado del arte sobre temas concretos. La opción de realizar entrevistas personales o presentaciones de los trabajos realizados también entran en esta categoría.

    En este instrumento incluimos los resultados de actividades prácticas, o de laboratorio, junto con sus memorias descriptivas y posibles resúmenes del estado del arte sobre temas concretos. La opción de realizar entrevistas personales o presentaciones de los trabajos realizados también entran en esta categoría. Se exigirá un mínimo de 40%, los alumnos que no superen el umbral deberán realizar un examen en la evaluación final.

    La calificación de SE4 es recuperable. Ver apartado de Observaciones.

    		 35.0

  9. Fechas de exámenes

    https://www.um.es/web/estudios/grados/ciencia-ingenieria-datos/2026-27#examenes

  10. Resultados del Aprendizaje

    No constan

  11. Bibliografía

  12. Observaciones

    NECESIDADES EDUCATIVAS ESPECIALES

    Aquellos estudiantes con discapacidad o necesidades educativas especiales podrán dirigirse al Servicio de Atención a la Diversidad y Voluntariado (ADYV - https://www.um.es/adyv) para recibir orientación sobre un mejor aprovechamiento de su proceso formativo y, en su caso, la adopción de medidas de equiparación y de mejora para la inclusión, en virtud de la Resolución Rectoral R-358/2016. El tratamiento de la información sobre este alumnado, en cumplimiento con la LOPD, es de estricta confidencialidad.

    EVALUACIÓN

    En el procedimiento de evaluación resultarán de aplicación el artículo 135.1.v) de los Estatutos de la Universidad de Murcia, el artículo 8.6 del Reglamento de Evaluación de Estudiantes (REVA) y la instrucción SG 18/2026 del secretario general de la Universidad de Murcia que interpreta estas normas, disponible en este enlace: https://sede.um.es/sede/documento/normativa/instruccion-del-secretario-general-sg-18-2026-sobre-la-interpretacion-y-aplicacion-del-art-135-1-v-estatutos-umu/24199.pdf

    Se recuerda asimismo que el artículo 22.1 del Reglamento de Evaluación de Estudiantes (REVA) estipula que "el o la estudiante que se valga de conductas fraudulentas, incluida la indebida atribución de identidad o autoría, o esté en posesión de medios o instrumentos que faciliten dichas conductas, obtendrá la calificación de cero en el procedimiento de evaluación y, en su caso, podrá ser objeto de sanción, previa apertura de expediente disciplinario".

    OBSERVACIONES DEL EQUIPO DOCENTE

    En la convocatoria en la que se imparte la docencia de esta asignatura no existe derecho a recuperar la evaluación continua compuesta por los sistemas de evaluación SE1 y SE4, salvo en los casos del art. 8.6 del REVA. En estos casos, la prueba global consistirá en un examen teórico-práctico donde se garantice la adquisición de todos los resultados de aprendizaje (100 %).

    La calificación de la evaluación continua se conservará en las siguientes convocatorias hasta que la asignatura se vuelva a impartir, salvo que se solicite su recuperación.

    En las convocatorias siguientes a aquella en la que se imparte la docencia, el estudiante podrá solicitar la recuperación de los sistemas de evaluación SE1 y SE4 con independencia de que los haya superado. La opción de recuperar se ejercitará enviando un correo electrónico al profesor al email angelluis.perales@um.es.

    El sistema de evaluación SE1 se recuperará mediante una prueba oral y escrita en la fecha indicada en el llamamiento publicado en el sitio de la asignatura (AV).

    El sistema de evaluación SE4 se recuperará entregando las tareas entregables y los ejercicios prácticos a través de la herramienta “Tareas” en los plazos indicados en el llamamiento publicado en el sitio de la asignatura (AV).