PRESENTAZIONE

L'insegnamento 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.

OBIETTIVI FORMATIVI (DETTAGLIO) E RISULTATI DI APPRENDIMENTO

Conoscenza dei principali metodi di computational vision, compresi i metodi classici e quelli basati su deep learning. Capacità di progettare e realizzare un algoritmo di CV di media difficoltà e di analizzare/modificare algoritmi realizzati da altri. Capacità di analizzare i risultati ottenuti in modo critico ed esaustivo. Capacità di presentare i metodi studiati con un uso adeguato dei termini tecnici e degli strumenti. 

PREREQUISITI

Analisi e algebra lineare

Elaborazione di immagini e machine learning

MODALITA' DIDATTICHE

Lezioni teoriche (22 ore), laboratori guidati (18 ore) + progetto (individuale o a coppie) da 1 CFU 

PROGRAMMA/CONTENUTO

• filtri e caratteristiche locali, punti di interesse invarianti di scala, descrittori e corrispondenze tra punti. Analisi del movimento e flusso ottico. Visione 3D. Rappresentazioni di immagini. Rilevamento di oggetti. Segmentazione delle immagini Stima della posa e riconoscimento di azioni

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

MATTEO MORO (Presidente Supplente)

ALESSANDRO VERRI (Supplente)

LEZIONI

INIZIO LEZIONI

In accordo con il calendario didattico approvato dal Consiglio dei Corsi di Studio in Informatica

Orari delle lezioni

L'orario di questo insegnamento è consultabile all'indirizzo: Portale EasyAcademy

ESAMI

MODALITA' D'ESAME

• Gli studenti che partecipano attivamente al corso (partecipazione testimoniata dalla consegna puntuale dei compiti): 50% progetto e 50% orale. Altrimenti 30% (progetto individuale) e 70% orale

MODALITA' DI ACCERTAMENTO

• La conoscenza dei principali metodi di visione computazionale è valutata con la prova orale. La capacità di progettare e implementare un algoritmo CV di media difficoltà è valutata con il progetto finale; la capacità di analizzare/modificare algoritmi creati da altri è valutata con attività pratiche. La capacità di analizzare i risultati ottenuti in modo critico ed esaustivo è valutata durante l'orale, con domande sul progetto. La capacità di presentare i metodi studiati con un uso adeguato di termini e strumenti tecnici è valutata attraverso relazione di progetto e prova orale.

Calendario appelli