Computer Science - Informatica

LUIGI CINQUE
LUIGI CINQUE

Obiettivi generali:
Il corso si propone di esporre gli studenti ad un'ampia panoramica della Computer Vision.

Obiettivi specifici:
Il corso si propone di fornire i principi, le metodologie di base e gli algoritmi fondamentali usati per la progettazione e l'applicazione di sistemi di visione artificiale

Conoscenza e comprensione:
Introduzioni dei principi fondamentali e delle diverse aree della Computer Vision e conoscenze su risoluzione di problemi quali estrazioni delle caratteristi, tracking , analisi della scena, riconoscimento di oggetti, analisi di eventi, analisi delle emozioni.

Applicare conoscenza e comprensione:
Saper applicare il portafoglio di tecniche e gli approcci illustrati per la progettazione e realizzazione di sistemi di visione artificiale.

Capacità  critiche e di giudizio:
Gli studenti apprenderanno tecniche che si sono rivelate utili per esperienza diretta e una vasta gamma di metodi matematici nella progettazione del sistema di visione.

Capacità  comunicative:
Gli studenti saranno in grado di interagire in modo proficuo con altri ricercatori in Computer Vision su un'ampia gamma di argomenti.


Capacità  di apprendimento:
Gli studenti saranno in grado di ampliare le loro conoscenze in modo autonomo consultando, secondo necessità, la letteratura scientifica basato sulla Computer Vision.

Si richiede buona conoscenza di:

1) Programmazione imperativa ed object-oriented in un qualunque linguaggio di programmazione di alto livello
2) Tecniche per il progetto di algoritmi e strutture dati
3) Matematica generale, algebra, teoria degli insiemi, calcolo delle probabilità

1. Introduzione alla visione artificiale, alla storia e alle aree della visione artificiale
2. Formazione dell'immagine: modelli di fotocamere, luci e colori
3. Filtri lineare
4. Estrazione della caratteristiche (angoli e blob)
5. Grouping and fitting: trasformata di Hough, RANSAC e Alignment
6. Visione geometrica: calibrazione della telecamera, Two-view and multi-view stereo and Structure from motion
7. Riconoscimento: Bags of features, modelli generativi e discriminatori
8. Rilevamento e riconoscimento del volto
9. Segmentazione
10. Tracking

D. Forsyth, J. Ponce. Computer Vision.A moder Approach. Printice-Hall, 2004

R. C. Gonzalez, R.E. Woods. Digital Image Processing. 2nd edition. Prentice-Hall 2004

R. Jain, R. Kasturi, and G.B. Schunk. Machine Vision. McGraw-Hill New York, 1995

La frequenza delle lezioni e delle esercitazioni, sebbene non obbligatoria, è fortemente consigliata.

L'esame consiste in un progetto da svolgere e presentare mediante una relazione scritta ed un seminario.