CODICE 90539 ANNO ACCADEMICO 2025/2026 CFU 6 cfu anno 1 COMPUTER SCIENCE 11964 (LM-18) - GENOVA SETTORE SCIENTIFICO DISCIPLINARE INF/01 LINGUA Inglese SEDE GENOVA PERIODO 2° Semestre 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 FRANCESCA ODONE Ricevimento: Su appuntamento: inviare un'email a francesca.odone@unige.it (specificare COGNOME NOME INSEGNAMENTO e CORSO DI STUDI) MATTEO MORO 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 Orari delle lezioni L'orario di questo insegnamento è consultabile all'indirizzo: Portale EasyAcademy 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.
