Apprendimento automatico per la visione artificiale
Responsabile didattico: Vito Roberto
Durata: 28 ore
Periodo didattico: primo semestre
Programma
SETTORE SCIENTIFICO DISCIPLINARE: ING-INF/05
PROGRAMMA:
28 h Vito Roberto
Un programma seminariale di Computer Vision 2021-22
I seminari si propongono di fornire una panoramica degli sviluppi più recenti dell’Intelligenza Artificiale, con riguardo alle tecniche di apprendimento automatico applicate alla Computer Vision. Il corso si terrà in modalità online.
Eventualmente, le studentesse/studenti interessati possono acquisire crediti formativi in modo personalizzato, secondo i rispettivi piani di studio.
1- Seminari introduttivi. Machine Vision (MV) e Machine Learning. Visione naturale: elementi della percezione visiva. I compiti della MV. Il paradigma del Machine Learning (ML): una macchina di calcolo parallelo distribuito; algoritmi di apprendimento automatico e loro importanza per la MV. Modelli, architetture, procedure. Architetture neurali e loro classificazione; Deep Learning (DL). In laboratorio: la piattaforma tecnologica. Un caso di studio in Machine Vision.
2- Modelli convoluzionali (CNN) per la MV. Deep Learning e recenti progressi della MV (milestone projects); gli archivi di dati visuali (dataset). Convolutional Neural Networks: visione come classificazione di forme: campionari di oggetti commerciali; caratteri alfabetici; cifre.
3- Deep Learning per il riconoscimento visivo. Localizzazione (object localization); identificazione (object detection); segmentazione semantica (object segmentation). Le mappe di attenzione e la semantica di un’immagine.
4- Generative Adversarial Networks (GAN). Apprendimento automatico degli stili nelle opere d’arte: le StyleGAN. Casi di studio nei beni culturali.
Metodo di lavoro. I seminari si svolgono interamente in laboratorio. Adottano un ambiente software di calcolo e di documentazione. Ogni seminario è introdotto dal docente e viene approfondito tramite un progetto software (assignment), che gli studenti svolgono individualmente e documentano con un rapporto tecnico (report).
