Visione artificiale
A.A. 2021/2022
Learning objectives
Obiettivo dell'insegnamento è fornire elementi che consentano di inferire uno stato del mondo reale da immagini digitali o video. Queste competenze vertono in particolare sulla capacità di ricostruire tridimensionalmente oggetti e di elaborare e riconoscere elementi o azioni di una scena.
Expected learning outcomes
- Conoscere i principi alla base della formazione delle immagini
- Conoscere le tecniche per ottenere la ricostruzione tridimensionale di oggetti reali
- Conoscere le tecniche di apprendipento legate alla visione per poter identificare e riconoscere oggetti o azioni da un'immagine o da un video
- Conoscere le tecniche per ottenere la ricostruzione tridimensionale di oggetti reali
- Conoscere le tecniche di apprendipento legate alla visione per poter identificare e riconoscere oggetti o azioni da un'immagine o da un video
Periodo: Secondo semestre
Modalità di valutazione: Esame
Giudizio di valutazione: voto verbalizzato in trentesimi
Corso singolo
Questo insegnamento non può essere seguito come corso singolo. Puoi trovare gli insegnamenti disponibili consultando il catalogo corsi singoli.
Course syllabus and organization
Edizione unica
Responsabile
Periodo
Secondo semestre
Videolezioni
Materiali di riferimento:
Il programma e il materiale di riferimento non subiranno variazioni
Modalità di verifica dell'apprendimento e criteri di valutazione:
In fase emergenziale gli esami si svolgeranno a distanza in forma di orale
Materiali di riferimento:
Il programma e il materiale di riferimento non subiranno variazioni
Modalità di verifica dell'apprendimento e criteri di valutazione:
In fase emergenziale gli esami si svolgeranno a distanza in forma di orale
Programma
Il corso propone allo studente l'apprendimento delle tematiche fondamentali della visione artificiale, con particolare attenzione ai seguenti argomenti:
- il processo di formazione delle immagini,
- la calibrazione di camera,
- l'analisi del moto da sequenze video,
- la ricostruzione 3D da immagini stereo,
- le tecniche supervisionate di classificazione di immagini.
- il processo di formazione delle immagini,
- la calibrazione di camera,
- l'analisi del moto da sequenze video,
- la ricostruzione 3D da immagini stereo,
- le tecniche supervisionate di classificazione di immagini.
Prerequisiti
E' consigliabile la conoscenza delle nozioni fondamentali di:
- Probabilità e statistica
- Elaborazione delle immagini
- Elaborazione dei segnali
presentate in corsi di laurea triennale di carattere scientifico.
- Probabilità e statistica
- Elaborazione delle immagini
- Elaborazione dei segnali
presentate in corsi di laurea triennale di carattere scientifico.
Metodi didattici
Lezioni frontali ed esercitazioni in laboratorio informatico.
Materiale di riferimento
Sito web:
- http://homes.di.unimi.it/~pedersini/CV/index.html
Materiale didattico:
- Slide del corso
- Software utilizzato nelle esercitazioni
Testo di riferimento:
- D.A. Forsyth, J. Ponce - Computer Vision - A Modern Approach - Pearson, 2nd edition
- "Dive into Deep Learning" (https://d2l.ai)
- http://homes.di.unimi.it/~pedersini/CV/index.html
Materiale didattico:
- Slide del corso
- Software utilizzato nelle esercitazioni
Testo di riferimento:
- D.A. Forsyth, J. Ponce - Computer Vision - A Modern Approach - Pearson, 2nd edition
- "Dive into Deep Learning" (https://d2l.ai)
Modalità di verifica dell’apprendimento e criteri di valutazione
L'esame consiste in una prova scritta. A scelta, gli studenti possono affrontare un progetto di approfondimento concordato col docente.
La valutazione è espressa in trentesimi.
La valutazione è espressa in trentesimi.
Professor(s)