Informazione multimediale
A.A. 2023/2024
Learning objectives
Obiettivo dell'insegnamento è lo studio di come l'informazione multimediale viene acquisita, codificata ed elaborata nelle applicazioni orientate agli odierni sistemi multimediali. A tal fine vengono introdotti gli elementi generali di teoria e pratica mirati alla manipolazione del contenuto informativo multimodale fornito da audio, immagini e video, che costituisce l'essenza delle moderne forme di comunicazione.
Expected learning outcomes
Ci si aspetta che lo studente acquisisca i concetti e gli strumenti basilari per comprendere e trattare il contenuto informativo veicolato da immagini, video e audio, sviluppando una chiara attitudine a:
- acquisire l'informazione multimediale fruita dai moderni sistemi multimediali, quali videocamere, TV o computer
- codificare e rappresentare i dati multimediali mediante fondamenti e tecniche della teoria dell'informazione
- elaborare i dati multimediali mediante algoritmi e linguaggi di programmazione dedicati
- acquisire l'informazione multimediale fruita dai moderni sistemi multimediali, quali videocamere, TV o computer
- codificare e rappresentare i dati multimediali mediante fondamenti e tecniche della teoria dell'informazione
- elaborare i dati multimediali mediante algoritmi e linguaggi di programmazione dedicati
Periodo: Primo 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
Primo semestre
Programma
IMMAGINI:
introduzione all'elaborazione delle immagini, nozione di immagine e sua acquisizione
- la luce, il colore e lo spettro elettromagnetico
- formati immagini e compressione JPEG
- miglioramento della qualità delle immagini mediante trasformazioni puntuali
- filtraggio nel dominio spaziale
- clusteting and image binarization
- key point detection e local descriptor
- introduzione alla classificazione con reti convolutive
- esempi e simulazioni in Python
VIDEO:
- flusso ottico
- segmentazione video tramite background subtraction
- formati video analogici e digitali
- problemi di classificazione e riconoscimento
- compressione e codifica negli standard MPEG* e H.26*
- esempi e simulazioni in Python
AUDIO:
- rappresentazione digitale del suono
- filtri per l'analisi del suono
- sintesi ed effetti audio digitali
- codifica audio negli standard MPEG*
- esempi e simulazioni in Python
introduzione all'elaborazione delle immagini, nozione di immagine e sua acquisizione
- la luce, il colore e lo spettro elettromagnetico
- formati immagini e compressione JPEG
- miglioramento della qualità delle immagini mediante trasformazioni puntuali
- filtraggio nel dominio spaziale
- clusteting and image binarization
- key point detection e local descriptor
- introduzione alla classificazione con reti convolutive
- esempi e simulazioni in Python
VIDEO:
- flusso ottico
- segmentazione video tramite background subtraction
- formati video analogici e digitali
- problemi di classificazione e riconoscimento
- compressione e codifica negli standard MPEG* e H.26*
- esempi e simulazioni in Python
AUDIO:
- rappresentazione digitale del suono
- filtri per l'analisi del suono
- sintesi ed effetti audio digitali
- codifica audio negli standard MPEG*
- esempi e simulazioni in Python
Prerequisiti
Elementi di base di elaborazione numerica dei segnali
Metodi didattici
L'insegnamento è strutturato in lezioni frontali ed esercitazioni basate su Python.
Materiale di riferimento
I lucidi delle lezioni, i libri di testo suggeriti e le esercitazioni in Python sono disponibili sul sito Ariel http://ggrossiim.ariel.ctu.unimi.it/v5/home/Default.aspx e sulla pagina personale dell'insegnamento http://im.di.unimi.it.
Modalità di verifica dell’apprendimento e criteri di valutazione
L'esame consiste di due parti:
1. una prova scritta con domande aperte su tutti gli argomenti affrontati a lezione (pesa per il 75% del voto finale)
2. una prova pratica di programmazione Python (pesa per il 25% del voto finale)
Sono previste anche due prove in itinere: la prima a metà insegnamento e la seconda a fine insegnamento, entrambe con modalità analoghe alle prove d'appello (scritto più prova pratica)
1. una prova scritta con domande aperte su tutti gli argomenti affrontati a lezione (pesa per il 75% del voto finale)
2. una prova pratica di programmazione Python (pesa per il 25% del voto finale)
Sono previste anche due prove in itinere: la prima a metà insegnamento e la seconda a fine insegnamento, entrambe con modalità analoghe alle prove d'appello (scritto più prova pratica)
Moduli o unità didattiche
Elementi di Elaborazione Audio e Video
INF/01 - INFORMATICA - CFU: 6
Lezioni: 48 ore
Docenti:
Grossi Giuliano, Lanzarotti Raffaella
Elementi di Elaborazione Immagini
INF/01 - INFORMATICA - CFU: 6
Lezioni: 48 ore
Docente:
Lanzarotti Raffaella
Educational website(s)
Professor(s)
Ricevimento:
Su appuntamento (da prendere per email)
Stanza 4016, 4° piano di via Celoria 18