CODICE 90539 ANNO ACCADEMICO 2019/2020 CFU 6 cfu anno 1 COMPUTER SCIENCE 10852 (LM-18) - GENOVA SETTORE SCIENTIFICO DISCIPLINARE INF/01 LINGUA Inglese SEDE GENOVA PERIODO 2° Semestre MATERIALE DIDATTICO AULAWEB PRESENTAZIONE Il corso offre un'introduzione all'analisi di dati visuali. In particolare affronta i problemi della comprensione automatica del contenuto di immagini e video. OBIETTIVI E CONTENUTI OBIETTIVI FORMATIVI Learning how to represent image content adaptively by means of shallow or deep computational models and biologically-inspired hierarchical models, and how to tackle image classification and categorization problems. PREREQUISITI Analisi e algebra lineare Elaborazione di immagini e machine learning MODALITA' DIDATTICHE Modalità mista: lezioni, attività pratiche, progetto PROGRAMMA/CONTENUTO Lezioni introduttive Ripasso di elementi di elaborazione di immagini (filtri, feature, istogrammi, rappresentazioni di colore, ...) e di apprendimento automatico (algoritmi di clustering e di classificazione) Formulazione di problemi: confronto tra immagini, retrieval di immagini, classificazione di immagini Rappresentare immagini in modo adattivo I primi approcci: istogrammi, insiemi di punti e bag-of-keypoints Codifiche sparse su dizionari overcompleti predefiniti Apprendimento di dizionari da esempi (dictionary learning) Approcci coding-pooling Architetture profonde Argomenti aggiuntivi: usare il contesto, gestire ed utilizzare informazione temporale e di profondità, affrontare il problema della visualizzazione dei risultati Progetti e casi di studio TESTI/BIBLIOGRAFIA Materiale fornito dai docenti (slide e articoli scientifici) Libro online di riferimento http://szeliski.org/Book/ DOCENTI E COMMISSIONI FRANCESCA ODONE Ricevimento: Su appuntamento: inviare un'email a francesca.odone@unige.it (specificare Cognome Nome e corso di studi) Commissione d'esame FRANCESCA ODONE (Presidente) LORENZO ROSASCO (Presidente) ANNALISA BARLA NICOLETTA NOCETI ALESSANDRO VERRI LEZIONI Orari delle lezioni L'orario di questo insegnamento è consultabile all'indirizzo: Portale EasyAcademy ESAMI MODALITA' D'ESAME 50% teoria (esame orale) 50% pratica (progetto individuale +seminario) MODALITA' DI ACCERTAMENTO consegna puntuale degli elaborati partecipazione attiva in classe e sul forum del corso (aulaweb) progetto finale su un caso di studio (datathon-like) e presentazione dei risultati ottenuti esame orale Calendario appelli Data appello Orario Luogo Tipologia Note 13/02/2020 09:00 GENOVA Esame su appuntamento 03/07/2020 09:00 GENOVA Scritto 23/07/2020 09:00 GENOVA Esame su appuntamento 24/07/2020 09:00 GENOVA Esame su appuntamento 17/09/2020 09:00 GENOVA Esame su appuntamento 18/09/2020 09:00 GENOVA Esame su appuntamento 11/02/2021 09:00 GENOVA Esame su appuntamento 12/02/2021 09:00 GENOVA Esame su appuntamento