Cap a una orientació més pràctica i un aprenentatge actiu en l'assignatura d'Administració d'Empreses

El nou model educatiu universitari pretén aconseguir una formació integral dels seus titulats en una doble vessant: professionals vàlids i reconeguts pel mercat laboral i persones preparades per afrontar les demandes i els reptes de la societat. Cal, doncs, una preparació no centrada únicament en continguts sinó també en procediments, habilitats i destreses, que permetin iniciar a l’alumne en un procés de formació al llarg de la vida; implicant una formació continua en termes de competències. L’objectiu d’aquest treball es contribuir a donar un pas més en la direcció marcada pel projecte formatiu de la nostra universitat, exposant alguns canvis en la metodologia docent utilitzada, concretament en l’assignatura Administració d’Empreses de primer curs dels ensenyaments d’Administració i Direcció d’Empreses (ADE) i Ciències Empresarials (CE), que han permès una millora en els resultats aconseguits, tant des del punt de vista de l’alumne com des del punt de vista del professor. La nova metodologia utilitzada en l’assignatura Administració d’Empreses ha tingut per finalitat donar-li una orientació molt més pràctica i aconseguir que l’alumne tingués un paper molt més actiu en el procés ensenyament-aprenentage; fomentant d’aquesta manera l’adquisició de tot un seguit de competències que proporcionin a l’alumne una formació integral que li permetin desenvolupar-se no només des d’un punt de vista professional si no també personal. I això passa per aprendre no només un conjunt de coneixements sobre l’Administració d’Empreses i saber-los aplicar sinó també una sèrie d’actituds, valors, formes de treballar, de relacionar-se,... que tenen molt a veure amb les habilitats humanes i que son tant necessàries per aconseguir una veritable formació integral

Eigen Faces: Detecció, Classificació/Reconeixement de cares

En aquest projecte es pretén utilitzar mètodes coneguts com ara Viola&Jones (detecció) i EigenFaces (reconeixement) per a detectar i reconèixer cares dintre d’imatges de vídeo. Per a aconseguir aquesta tasca cal partir d’un conjunt de dades d’entrenament per a cada un dels mètodes (base de dades formada per imatges i anotacions manuals). A partir d’aquí, l’aplicació, ha de ser capaç de detectar cares en noves imatges i reconèixer-les (identificar de quina cara es tracta)

Reconeixement de cd-roms musicals mitjançant visió per computador

Dissenyar, implementar i testejar un sistema per classificar imatges: disseny d’un sistema que primer aprèn com són les imatges d’una classe a partir d’un conjunt d’imatges d’entrenament i després és capaç de classificar noves imatges assignant-les-hi l’ etiqueta corresponent a una de les classes “apreses”. Concretament s’analitzen caràtules de cd-roms, les quals s’han de reconèixer per després reproduir automàticament la música del seu àlbum associat

Afavorir l'ensenyament i l'aprenentatge de competències d'autoregulació del treball individual i de grup en el context de l'Espai Europeu d'Educació Superior

La comunicació que es presenta se centra en l’estudi dels factors moduladors de l’autoregulació de l’aprenentatge i en els diversos aspectes de la seva relació amb la construcció del coneixement. En aquest context és important, d’una banda, identificar algunes de les formes de suport i ajuda que s’han mostrat eficaces per afavorir en els estudiants un millor assoliment de competències de planificació, gestió i organització tant de l’estudi personal i de la realització d’activitats individuals, com del treball a elaborar amb altres companys. D’altra banda, és també important analitzar si la construcció dels continguts propis de l’assignatura millora notablement gràcies a l’ús d’estratègies de supervisió, valoració i revisió del propi aprenentatge i de les activitats col·laboratives entre estudiants. La implicació continuada en experiències d’innovació docent1 al llarg dels últims cursos acadèmics en matèries de l’Ensenyament de Mestres de la URV ens permet disposar d’un conjunt de dades sobre alguns dels múltiples i diversos aspectes que caracteritzen l’acció docent en el marc de l’adaptació dels estudis universitaris a l’Espai d’Educació Europeu Superior. Aquesta àmplia trajectòria de participació en projectes orientats al disseny instruccional i la implantació de diferents assignatures als crèdits ECTS, incorporaven noves metodologies didàctiques centrades en l’estudiant. Els resultats obtinguts en aquestes experiències il·lustren que un dels components essencials que contribueixen a la construcció d’aprenentatges significatius i afavoreixen el millor assoliment de competències científiques i professionals per part dels estudiants és l’autoregulació. El reconeixement de la complexitat dels processos implicats en l’autoregulació, entre els quals cal assenyalar tant els relatius a les aportacions per fer progressar el contingut propi de l’assignatura, com d’altres vinculats a la planificació, a la gestió i a l’organització del treball, ha comportat la focalització de la comunicació en l’estudi d’aquest àmbit. Es presenten algunes de les mesures adoptades per afavorir els processos d’autoregulació, part d’elles incorporades des del propi disseny de les assignatures, altres centrades en una varietat de recursos i d’instruments facilitadors de la planificació i del treball acadèmic. Paraules clau: innovació i millora de la qualitat docent, autogestió de l’aprenentatge

Las Obras hidráulicas en los sistemas fluviales de la Costa Brava: preferencias locales y limitaciones de un modelo convencional de adaptación al riesgo de inundación

Este artículo tiene por finalidad analizar las medidas de adaptación al riesgo de inundación que se han realizado en el ámbito de la Costa Brava, con especial incidencia en el papel que han tenido las obras de infraestructura hidráulica en la prevención de avenidas. Se intenta comprobar hasta que punto la percepción local dominante sobre las obras hidráulicas como una de las formas más eficientes pera la prevención de inundaciones se contradice con las nuevas tendencias tanto en relación a los costes ecológicos de la construcción de estos dispositivos hidráulicos como al planeamiento urbanístico y fluvial, en general

Using appearance and context for outdoor scene object classification

We propose a probabilistic object classifier for outdoor scene analysis as a first step in solving the problem of scene context generation. The method begins with a top-down control, which uses the previously learned models (appearance and absolute location) to obtain an initial pixel-level classification. This information provides us the core of objects, which is used to acquire a more accurate object model. Therefore, their growing by specific active regions allows us to obtain an accurate recognition of known regions. Next, a stage of general segmentation provides the segmentation of unknown regions by a bottom-strategy. Finally, the last stage tries to perform a region fusion of known and unknown segmented objects. The result is both a segmentation of the image and a recognition of each segment as a given object class or as an unknown segmented object. Furthermore, experimental results are shown and evaluated to prove the validity of our proposal

Object and Scene Classification: what does a Supervised Approach Provide us?

Given a set of images of scenes containing different object categories (e.g. grass, roads) our objective is to discover these objects in each image, and to use this object occurrences to perform a scene classification (e.g. beach scene, mountain scene). We achieve this by using a supervised learning algorithm able to learn with few images to facilitate the user task. We use a probabilistic model to recognise the objects and further we classify the scene based on their object occurrences. Experimental results are shown and evaluated to prove the validity of our proposal. Object recognition performance is compared to the approaches of He et al. (2004) and Marti et al. (2001) using their own datasets. Furthermore an unsupervised method is implemented in order to evaluate the advantages and disadvantages of our supervised classification approach versus an unsupervised one

Scene Classification Using a Hybrid Generative/Discriminative Approach

We investigate whether dimensionality reduction using a latent generative model is beneficial for the task of weakly supervised scene classification. In detail, we are given a set of labeled images of scenes (for example, coast, forest, city, river, etc.), and our objective is to classify a new image into one of these categories. Our approach consists of first discovering latent ";topics"; using probabilistic Latent Semantic Analysis (pLSA), a generative model from the statistical text literature here applied to a bag of visual words representation for each image, and subsequently, training a multiway classifier on the topic distribution vector for each image. We compare this approach to that of representing each image by a bag of visual words vector directly and training a multiway classifier on these vectors. To this end, we introduce a novel vocabulary using dense color SIFT descriptors and then investigate the classification performance under changes in the size of the visual vocabulary, the number of latent topics learned, and the type of discriminative classifier used (k-nearest neighbor or SVM). We achieve superior classification performance to recent publications that have used a bag of visual word representation, in all cases, using the authors' own data sets and testing protocols. We also investigate the gain in adding spatial information. We show applications to image retrieval with relevance feedback and to scene classification in videos

A concurrent region growing algorithm guided by circumscribed contours

Image segmentation of natural scenes constitutes a major problem in machine vision. This paper presents a new proposal for the image segmentation problem which has been based on the integration of edge and region information. This approach begins by detecting the main contours of the scene which are later used to guide a concurrent set of growing processes. A previous analysis of the seed pixels permits adjustment of the homogeneity criterion to the region's characteristics during the growing process. Since the high variability of regions representing outdoor scenes makes the classical homogeneity criteria useless, a new homogeneity criterion based on clustering analysis and convex hull construction is proposed. Experimental results have proven the reliability of the proposed approach

Use of decision trees in colour feature selection: application to object recognition in outdoor scenes

A new method for the automated selection of colour features is described. The algorithm consists of two stages of processing. In the first, a complete set of colour features is calculated for every object of interest in an image. In the second stage, each object is mapped into several n-dimensional feature spaces in order to select the feature set with the smallest variables able to discriminate the remaining objects. The evaluation of the discrimination power for each concrete subset of features is performed by means of decision trees composed of linear discrimination functions. This method can provide valuable help in outdoor scene analysis where no colour space has been demonstrated as being the most suitable. Experiment results recognizing objects in outdoor scenes are reported

Estimating the motion of an underwater robot from a monocular image sequence

When underwater vehicles perform navigation close to the ocean floor, computer vision techniques can be applied to obtain quite accurate motion estimates. The most crucial step in the vision-based estimation of the vehicle motion consists on detecting matchings between image pairs. Here we propose the extensive use of texture analysis as a tool to ameliorate the correspondence problem in underwater images. Once a robust set of correspondences has been found, the three-dimensional motion of the vehicle can be computed with respect to the bed of the sea. Finally, motion estimates allow the construction of a map that could aid to the navigation of the robot

Model-based objects recognition in industrial environments for autonomous vehicles control

Behavior-based navigation of autonomous vehicles requires the recognition of the navigable areas and the potential obstacles. In this paper we describe a model-based objects recognition system which is part of an image interpretation system intended to assist the navigation of autonomous vehicles that operate in industrial environments. The recognition system integrates color, shape and texture information together with the location of the vanishing point. The recognition process starts from some prior scene knowledge, that is, a generic model of the expected scene and the potential objects. The recognition system constitutes an approach where different low-level vision techniques extract a multitude of image descriptors which are then analyzed using a rule-based reasoning system to interpret the image content. This system has been implemented using a rule-based cooperative expert system

Model-based objects recognition in man-made environments

We describe a model-based objects recognition system which is part of an image interpretation system intended to assist autonomous vehicles navigation. The system is intended to operate in man-made environments. Behavior-based navigation of autonomous vehicles involves the recognition of navigable areas and the potential obstacles. The recognition system integrates color, shape and texture information together with the location of the vanishing point. The recognition process starts from some prior scene knowledge, that is, a generic model of the expected scene and the potential objects. The recognition system constitutes an approach where different low-level vision techniques extract a multitude of image descriptors which are then analyzed using a rule-based reasoning system to interpret the image content. This system has been implemented using CEES, the C++ embedded expert system shell developed in the Systems Engineering and Automatic Control Laboratory (University of Girona) as a specific rule-based problem solving tool. It has been especially conceived for supporting cooperative expert systems, and uses the object oriented programming paradigm

Active regions for colour texture segmentation integrating region and boundary information

In this paper a colour texture segmentation method, which unifies region and boundary information, is proposed. The algorithm uses a coarse detection of the perceptual (colour and texture) edges of the image to adequately place and initialise a set of active regions. Colour texture of regions is modelled by the conjunction of non-parametric techniques of kernel density estimation (which allow to estimate the colour behaviour) and classical co-occurrence matrix based texture features. Therefore, region information is defined and accurate boundary information can be extracted to guide the segmentation process. Regions concurrently compete for the image pixels in order to segment the whole image taking both information sources into account. Furthermore, experimental results are shown which prove the performance of the proposed method

Monocular-based 3-D seafloor reconstruction and ortho-mosaicing by piecewise planar representation

Photo-mosaicing techniques have become popular for seafloor mapping in various marine science applications. However, the common methods cannot accurately map regions with high relief and topographical variations. Ortho-mosaicing borrowed from photogrammetry is an alternative technique that enables taking into account the 3-D shape of the terrain. A serious bottleneck is the volume of elevation information that needs to be estimated from the video data, fused, and processed for the generation of a composite ortho-photo that covers a relatively large seafloor area. We present a framework that combines the advantages of dense depth-map and 3-D feature estimation techniques based on visual motion cues. The main goal is to identify and reconstruct certain key terrain feature points that adequately represent the surface with minimal complexity in the form of piecewise planar patches. The proposed implementation utilizes local depth maps for feature selection, while tracking over several views enables 3-D reconstruction by bundle adjustment. Experimental results with synthetic and real data validate the effectiveness of the proposed approach