% INF889G — Vision par ordinateur % UQAM — Département d'informatique % Plan de cours — Hiver 2022 * Horaires, locaux et enseignants: * Site web du cours: Responsable(s) du cours ======================= Lefebvre, Joël PK-4840 Groupes: 040 Les étudiant.e.s doivent consulter régulièrement le site Moodle du cours, moyen officiel de communication entre le professeur et le groupe-cours. Les annonces et mises à jour seront publiées sur le forum de nouvelles du site Moodle. - Un canal de discussion en ligne est l'outil pour interagir avec le professeur, démonstrateurs et les autres étudiants. - Pour les questions d'ordre général, utilisez le canal de discussion et attendez quelques jours avant de relancer. - Pour des questions plus spécifiques, personnelles ou pour relancer, contactez le professeur par courriel en ajoutant le libellé \[INF889G\] dans le sujet de votre courriel. - Aucune remise de TP par courriel n'est acceptée. Le site web officiel du cours est sur Moodle, il contient le matériel du cours (diapositives, vidéos, etc.) et servira pour les évaluations en ligne (examens, quiz, remises de TP, etc.). Description du cours ==================== Ce cours vise à familiariser les étudiants avec les notions théoriques et pratiques en vision par ordinateur (aussi nommé vision artificielle, vision numérique ou vision machine). Cette discipline concerne la conception de systèmes et les techniques informatiques permettant de manipuler des images et vidéos, d'extraire l'information contenue afin de permettre à l'ordinateur de comprendre l'information visuelle. **Note** : Le cours INF889G est accepté comme un des deux cours à choisir pour la concentration en intelligence artificielle et pour la concentration en systèmes électroniques. Objectifs du cours ------------------ À l'issue de ce cours, les étudiant.e.s devraient : - Connaître les fondements théoriques et pratiques de la vision par ordinateur - Savoir implémenter des méthodes et algorithmes liés la vision par ordinateur - Réaliser un projet simple en vision par ordinateur Sommaire du contenu ------------------- Formation d'images numériques, modélisation de la couleur. Fondements du traitement d'images, filtres linéaires, extraction de caractéristiques et représentation des textures. Géométrie binoculaire et perception de la profondeur (stéréopsie). Inférence de la structure à partir du mouvement, segmentation, méthodes de suivi, recalage, classification, et détection. Autres sujets (selon le temps disponible) : analyse de données de distance, modélisation et synthèse basée sur les images, estimation de pose, recherche et récupération d'images, apprentissage automatique pour la vision ... Formule pédagogique =================== - Le cours sera donné partiellement en ligne pour la session d'hiver 2022. - Le premier cours de la session sera en mode synchrone (avec Zoom) - Le matériel pédagogique (présentations, énoncés de laboratoire, etc.) sera partagé sur le site Moodle du cours. - **L'information concernant la première séance de cours sera partagée par courriel aux étudiant.e.s inscrit.e.s dans la semaine précédant le premier cours.** Modalités d'évaluation ====================== - 2 devoirs (20% chacun) - 1 examen (30%) - 1 projet de session (30%) **Note** : Voir le calendrier sur Moodle pour les dates précises. Outil d'évaluation Pondération Échéance ----------------------------- ------------- ------------ Devoir 1 20% Semaine 4 Devoir 2 20% Semaine 7 Examen 30% Semaine 9 Projet : Proposition 5% Semaine 10 Projet : Présentation orale 10% Semaine 16 Projet : Rapport 15% Semaine 16 La note finale (en lettre, A+, A, etc.) pour le trimestre sera attribuée en fonction de l'atteinte des objectifs spécifiques à travers les évaluations. La distribution des résultats dans le groupe pourrait aussi être utilisée. Aucune autre opportunité (travail supplémentaire, etc.) d'augmenter le nombre de points ne sera accordée. Modalité d'examen ----------------- - Les examens se dérouleront A) en présence ou B) en ligne sur Moodle, selon l'évolution des directives sanitaires (COVID-19). - Les fautes de français ne seront pas corrigées dans les examens, mais vos phrases doivent être compréhensibles. - **Aucune consultation entre étudiant.e.s n'est permise.** ### A) Modalité pour l'examen en présentiel - L'examen se déroulera en classe - La durée de l'examen sera de 3h ### B) Modalité pour l'examen en ligne - Les examens seront accessibles à partir du début du cours et le demeureront pour une durée de 24h. - À partir de l'ouverture du questionnaire par l'étudiant.e, l'examen devra être complété dans un délai de 3h. - Une seule tentative d'examen sera permise. Modalité des travaux pratiques ------------------------------ - Les remises des TP se font électroniquement sur Moodle (les détails techniques seront donnés en classe). - Plusieurs remises peuvent être faites, seule la plus récente sera considérée. - **Retards** : 10% de la note sera retranché par jour de retard. Après 5 jours de retard, aucune remise ne sera acceptée. - **Qualité du français** : La note des travaux pratiques sera réduite de 1% par faute, pour un maximum de 10 % par travail. Matériel et logiciels utilisés ------------------------------ En raison du COVID-19, certains travaux s'effectueront à distance. Les étudiant.e.s devront donc disposer d'un ordinateur personnel sur lequel seront effectués les démonstrations, les devoirs, et les autres tâches de programmation. Le langage de programmation Python sera utilisé pour ce cours. Une distribution Python fournie par Anaconda comprenant les modules et dépendances nécessaires au cours et un environnement de développement (Spyder) devra être installée sur l'ordinateur des étudiant.e.s. Ananconda est disponible pour les principaux systèmes d'exploitation (Windows, Mac, Linux). Les laboratoires et travaux pratiques seront réalisés avec Jupyter notebook. Médiagraphie ============ Obligatoires ------------ - Notes de cours sur le site Moodle - Szeliski, R. (2021). *Computer Vision: Algorithms and Applications*. 2e édition London: Springer. ([DOI](https://doi.org/10.1007/978-1-84882-935-0), [Biblio](https://uqam-bib.on.worldcat.org/oclc/696299718), version gratuite accessible sur le [site web de l'auteur](http://szeliski.org/Book/)) Références recommandées ----------------------- - Des références complémentaires seront partagées sur le site Moodle du cours.