Salta al contenuto principale della pagina

COMPUTATIONAL VISION

CODICE 90539
ANNO ACCADEMICO 2022/2023
CFU
  • 6 cfu al 1° anno di 10852 COMPUTER SCIENCE (LM-18) - GENOVA
  • 6 cfu al 1° anno di 9011 MATEMATICA(LM-40) - 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

    • Elementi di Computational Vision classica
      • Ripasso di elementi di elaborazione di immagini (filtri, feature, istogrammi, rappresentazioni di colore, ...)
      • Similarità tra immagini basata su feature: rilevare, rappresentare e confrontare elementi caratteristici anche a scale diverse
      • Rappresentazioni multi-scala e multi-risoluzione
      • Analisi del movimento e flusso ottico
    • Computational Vision e applicazioni del Machine Learning
      • Rappresentazioni basate su bag-of-words e classificazione di immagini
      • Codifiche sparse su dizionari overcompleti predefiniti: applicazione alla face detection
      • Segmentazione non supervisionata di immagini e calcolo dei super-pixel
    • ​Computational Vision e Deep Learning:
      • Principi di Deep Learning e Reti Neurali Convoluzionali 
      • Algoritmi convoluzionali per object detection
      • GAN: principi e applicazioni
    • Progetti e casi di studio

    TESTI/BIBLIOGRAFIA

    Materiale fornito dai docenti (slide, puntatori a testi e articoli scientifici) reperibili su Aulaweb

    Libro online di riferimento http://szeliski.org/Book/

    DOCENTI E COMMISSIONI

    Commissione d'esame

    FRANCESCA ODONE (Presidente)

    NICOLETTA NOCETI

    LORENZO ROSASCO (Presidente Supplente)

    ANNALISA BARLA (Supplente)

    ALESSANDRO VERRI (Supplente)

    LEZIONI

    Orari delle lezioni

    L'orario di tutti gli insegnamenti è consultabile su EasyAcademy.

    ESAMI

    MODALITA' D'ESAME

    • 30% homework and live participation 
    • 50% project (in groups)
    • 20% theory oral  

    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 Ora Luogo Tipologia Note
    19/06/2023 09:00 GENOVA Esame su appuntamento
    08/09/2023 09:00 GENOVA Esame su appuntamento
    05/02/2024 09:00 GENOVA Esame su appuntamento