COMPUTATIONAL VISION

COMPUTATIONAL VISION

_
iten
Codice
90539
ANNO ACCADEMICO
2019/2020
CFU
6 cfu al 1° anno di 10852 COMPUTER SCIENCE (LM-18) GENOVA
SETTORE SCIENTIFICO DISCIPLINARE
INF/01
LINGUA
Inglese
SEDE
GENOVA (COMPUTER SCIENCE )
periodo
2° 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

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

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
13/02/2020 09:00 GENOVA Esame su appuntamento
03/07/2020 09:00 GENOVA Scritto
23/07/2020 09:00 GENOVA Esame su appuntamento
24/07/2020 09:00 GENOVA Esame su appuntamento
17/09/2020 09:00 GENOVA Esame su appuntamento
18/09/2020 09:00 GENOVA Esame su appuntamento
11/02/2021 09:00 GENOVA Esame su appuntamento
12/02/2021 09:00 GENOVA Esame su appuntamento