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

Apprendere i principi fondamentali della visione artificiale, che vanno dagli algoritmi di basso livello agli approcci di alto livello basati sul deep learning.

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

MATTEO MORO (Presidente)

FRANCESCA ODONE (Presidente)

LEZIONI

INIZIO LEZIONI

In accordo con il calendario didattico approvato dal Consiglio dei Corsi di Studio in Informatica: https://corsi.unige.it/corsi/11964/studenti-orario

ESAMI

MODALITA' D'ESAME

• Durante il semestre i docenti somministrano alcuni compiti che devono essere svolti e consegnati per poter accedere all'esame. 

• Inoltre gli studenti dovranno svolgere un progetto su un tema scelto tra alcune possibilità offerte dai docenti, svolgimento individuale o a coppie

• Una prova orale comprendente domande relative al programma svolto, compresi i compiti e il progetto, costituirà la fase finale della valutazione.

• Il voto d'esame sara formato pesando  50% progetto e 50% orale.  

Indicazioni per studenti con certificazione di DSA, di disabilità o di altri bisogni educativi speciali sono disponibili a partire da https://corsi.unige.it/corsi/11964/studenti-disabilita-dsa

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 compiti 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.

ALTRE INFORMAZIONI

Per ulteriori informazioni, consultare il modulo Aulaweb dell'insegnamento o contattare il docente.