COMPUTATIONAL VISION

COMPUTATIONAL VISION

_
iten
Codice
90539
ANNO ACCADEMICO
2018/2019
CFU
6 cfu al 1° anno di 10852 COMPUTER SCIENCE (LM-18) GENOVA

6 CFU al 1° anno di 8733 INGEGNERIA INFORMATICA (LM-32) GENOVA

SETTORE SCIENTIFICO DISCIPLINARE
INF/01
SEDE
GENOVA (COMPUTER SCIENCE )
periodo
1° Semestre
materiale didattico

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

Students will be provided with an an overview of state-of-the-art methods for modeling and understanding the semantics of a scene. Students will get acquainted with the problem of representing the image content adaptively by means of shallow or deep computational models, then it focuses in particular on biologically-inspired hierarchical models for representing visual cues, such as discontinuity, disparity and motion. Students will also be exposed to image classification and categorization problems. Students will be involved in project activities.

PREREQUISITI

Analisi e algebra lineare

Elaborazione di immagini e machine learning

Modalità 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

Ricevimento: Su appuntamento: inviare un'email a francesca.odone@unige.it (specificare Cognome Nome e corso di studi)  

Commissione d'esame

LORENZO ROSASCO (Presidente)

FRANCESCA ODONE (Presidente)

ALESSANDRO VERRI

NICOLETTA NOCETI

ANNALISA BARLA

LEZIONI

Modalità didattiche

 Modalità mista: lezioni, attività pratiche, progetto

ESAMI

Modalità d'esame

  • 50% teoria (esame orale)
  • 50% pratica (progetto individuale +seminario)

Modalità 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
14/02/2020 09:00 GENOVA Esame su appuntamento