IMAGE AND VIDEO UNDERSTANDING
- Anno accademico
- 2022/2023 Programmi anni precedenti
- Titolo corso in inglese
- IMAGE AND VIDEO UNDERSTANDING
- Codice insegnamento
- CM0524 (AF:398297 AR:214937)
- Lingua di insegnamento
- Inglese
- Modalità
- In presenza
- Crediti formativi universitari
- 6
- Livello laurea
- Laurea magistrale (DM270)
- Settore scientifico disciplinare
- INF/01
- Periodo
- II Semestre
- Anno corso
- 1
- Sede
- VENEZIA
- Spazio Moodle
- Link allo spazio del corso
Inquadramento dell'insegnamento nel percorso del corso di studio
Il corso si propone di fornire una introduzione ai principi, alle tecniche e alle principali applicazioni nell'ambito dell'analisi e comprensione automatica di immagini e video.
Risultati di apprendimento attesi
1. Conoscenza e comprensione
1.1. acquisire i modelli principali e gli algoritmi di analisi di immagini e video
2. Capacità di applicare conoscenza e comprensione
2.1. saper applicare i modelli studiati a problemi reali
2.2. sapere valutare criticamente le prestazioni ed il comportamento di un modello applicato ad un problema concreto
3. Capacità di giudizio
3.1. sapere comprendere quali caratteristiche dei vari modelli studiati meglio si adattano ad un problema dato
3.2. saper valutare criticamente le caratteristiche teoriche dei modelli proposti;
1.1. acquisire i modelli principali e gli algoritmi di analisi di immagini e video
2. Capacità di applicare conoscenza e comprensione
2.1. saper applicare i modelli studiati a problemi reali
2.2. sapere valutare criticamente le prestazioni ed il comportamento di un modello applicato ad un problema concreto
3. Capacità di giudizio
3.1. sapere comprendere quali caratteristiche dei vari modelli studiati meglio si adattano ad un problema dato
3.2. saper valutare criticamente le caratteristiche teoriche dei modelli proposti;
Prerequisiti
Familiarita' con i concetti fondamentali dell'analisi matematica e dell'algebra lineare.
Contenuti
Rilevamento e riconoscimento: rilevamento di volti, eigenfaces, rilevamento di persone, riconoscimento e classificazione di oggetti.
Segmentazione di immagini e video
Tracking and re-identificazione in video.
Metodi basati sul "machine learning" e sulle reti neurali.
Metodi "graph-based".
Segmentazione di immagini e video
Tracking and re-identificazione in video.
Metodi basati sul "machine learning" e sulle reti neurali.
Metodi "graph-based".
Testi di riferimento
- R. Szeliski, Computer Vision: Algorithms and Applications. Springer.
- D. Forsyth and J. Ponce. Computer Vision: A modern Approach. Pearson.
- I. Goodfellow, Y. Bengio and A. Courville. Deep Learning. MIT Press
- D. Forsyth and J. Ponce. Computer Vision: A modern Approach. Pearson.
- I. Goodfellow, Y. Bengio and A. Courville. Deep Learning. MIT Press
Modalità di verifica dell'apprendimento
L'esame consiste in una prova orale e nella discussione di un progetto concordato preventivamente con il docente.
Modalità di esame
orale
Metodi didattici
Presentazione powerpoint e lavagna.
Altre informazioni
Per favorire uno studio "attivo" degli argomenti trattati, lo studente sviluppera un semplice progetto, concordato con il docente, che sara poi oggetto di discussione in sede di esame.
Programma definitivo.
Data ultima modifica programma: 05/07/2022