Computer Science - Informatica

Il corso prevede l'esplorazione delle tecniche base di image processing, dai fondamenti fisici della luce fino all'apprendimento automatico per l'estrazione di features utili al riconoscimento di azioni compiute da soggetti in scena. Il programma didattico segue il filo logico proposto nel libro di testo adottato nel corso e per ogni anno subisce modifiche soprattutto nella parte finale per mostrare nuove e più competitive tecniche per risolvere specifici problemi legati al mondo reale.

Sono richiesti solo pochi prerequisiti: Esperienza di programmazione in C/C++, Python (principalmente) o linguaggi simili. Fondamenti matematici di algebra lineare, calcolo e statistica.

Libro di testo primario: Computer Vision: A Modern Approach, 2nd Edition – David Forsyth and Jean Ponce. Libri di testo opzionali: Computer Vision: Algorithms and Applications – Richard Szeliski. *Introductory Techniques for 3-D Computer Vision* – E. Trucco and A. Verri. Digital Image Processing – R.C. Gonzalez and R.E. Woods. Risorse aggiuntive: Vision Science: Photons to Phenomenology – Stephen E. Palmer (for color and perception). Research papers from conferences like CVPR, ICCV, and journals like IEEE TPAMI.

Frequenza non obbligatoria ma fortemente suggerita.

L'esame consiste in due parti: una presentazione con slide su un argomento selezionato e la dimostrazione di un progetto in linea con l'argomento dell'elaborato, con relativa relazione. La durata massima di ciascuna parte è di 10 minuti (10 minuti per l'elaborato e 10 minuti per il progetto). È consentito il lavoro di gruppo, con un massimo di 4 studenti per gruppo. Gli argomenti possono essere assegnati proponendo un argomento o un problema specifico nell'ambito di un campo di interesse prescelto (richiesta diretta) o richiedendo un argomento suggerito in assenza di un'idea specifica (richiesta indiretta). Il progetto richiede competenze di programmazione di base ed è possibile utilizzare codice preesistente, ma deve essere adattato per allinearlo all'argomento dell'elaborato e al problema da affrontare. Lo sviluppo di un sistema originale non è obbligatorio. Il codice e i materiali di presentazione devono essere consegnati due giorni prima della data d'esame. Il voto finale è determinato dalla frequenza al corso (5%), dalla presentazione finale (40%) e dal progetto finale (55%). Ulteriori considerazioni, come la creatività, la presentazione di un elaborato supplementare e la complessità del compito, possono contribuire fino a circa il 10%. I voti finali riflettono l'impegno e il rigore dimostrati durante l'intero processo d'esame.

Computer Vision: A Modern Approach, 2nd Edition – David Forsyth and Jean Ponce. Slides presentate durante il corso.

Le lezioni si svolgono in presenza e richiedono spesso l'utilizzo del proprio laptop.

Il corso prevede l'esplorazione delle tecniche base di image processing, dai fondamenti fisici della luce fino all'apprendimento automatico per l'estrazione di features utili al riconoscimento di azioni compiute da soggetti in scena. Il programma didattico segue il filo logico proposto nel libro di testo adottato nel corso e per ogni anno subisce modifiche soprattutto nella parte finale per mostrare nuove e più competitive tecniche per risolvere specifici problemi legati al mondo reale.

Sono richiesti solo pochi prerequisiti: Esperienza di programmazione in C/C++, Python (principalmente) o linguaggi simili. Fondamenti matematici di algebra lineare, calcolo e statistica.

Libro di testo primario: Computer Vision: A Modern Approach, 2nd Edition – David Forsyth and Jean Ponce. Libri di testo opzionali: Computer Vision: Algorithms and Applications – Richard Szeliski. *Introductory Techniques for 3-D Computer Vision* – E. Trucco and A. Verri. Digital Image Processing – R.C. Gonzalez and R.E. Woods. Risorse aggiuntive: Vision Science: Photons to Phenomenology – Stephen E. Palmer (for color and perception). Research papers from conferences like CVPR, ICCV, and journals like IEEE TPAMI.

Frequenza non obbligatoria ma fortemente suggerita.

L'esame consiste in due parti: una presentazione con slide su un argomento selezionato e la dimostrazione di un progetto in linea con l'argomento dell'elaborato, con relativa relazione. La durata massima di ciascuna parte è di 10 minuti (10 minuti per l'elaborato e 10 minuti per il progetto). È consentito il lavoro di gruppo, con un massimo di 4 studenti per gruppo. Gli argomenti possono essere assegnati proponendo un argomento o un problema specifico nell'ambito di un campo di interesse prescelto (richiesta diretta) o richiedendo un argomento suggerito in assenza di un'idea specifica (richiesta indiretta). Il progetto richiede competenze di programmazione di base ed è possibile utilizzare codice preesistente, ma deve essere adattato per allinearlo all'argomento dell'elaborato e al problema da affrontare. Lo sviluppo di un sistema originale non è obbligatorio. Il codice e i materiali di presentazione devono essere consegnati due giorni prima della data d'esame. Il voto finale è determinato dalla frequenza al corso (5%), dalla presentazione finale (40%) e dal progetto finale (55%). Ulteriori considerazioni, come la creatività, la presentazione di un elaborato supplementare e la complessità del compito, possono contribuire fino a circa il 10%. I voti finali riflettono l'impegno e il rigore dimostrati durante l'intero processo d'esame.

Computer Vision: A Modern Approach, 2nd Edition – David Forsyth and Jean Ponce. Slides presentate durante il corso.

Le lezioni si svolgono in presenza e richiedono spesso l'utilizzo del proprio laptop.