Visione artificiale
A.A. 2025/2026
Learning objectives
L'obiettivo dell'insegnamento è fornire le competenze necessarie per analizzare immagini, video o ricostruzioni tridimensionali, al fine di attribuire loro un significato semantico, interpretando il mondo reale attraverso il riconoscimento di oggetti, soggetti, azioni o situazioni rappresentati nella scena. Le competenze verteranno su fondamenti di visione e tecniche di Deep Learning
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 apprendimento (in particolare tecniche di Deep Learning) 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 apprendimento (in particolare tecniche di Deep Learning) legate alla visione per poter identificare e riconoscere oggetti o azioni da un'immagine o da un video
Periodo: Terzo quadrimestre
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
Terzo quadrimestre
Programma
L'insegnamento propone allo studente l'apprendimento delle tematiche fondamentali della visione artificiale, organizzate nei seguenti moduli:
1) Image formation
- Modelli geometrici della camera
- Calibrazione di camera
- Modelli di luminosità
- Modelli di colore
2) "Early" vision
- Filtraggio lineare
- Estrazione di features
- Stereopsis (visione binoculare)
- Structure from Motion (multi-view)
- Registrazione di forme 3D
3) Machine learning
- Deep Learning Computation
- Convolutional Neural Networks
- Transformers
- Recurrent Neural networks
- Graph Neural Networks
- Generative models
- Self-Supervised Learning
1) Image formation
- Modelli geometrici della camera
- Calibrazione di camera
- Modelli di luminosità
- Modelli di colore
2) "Early" vision
- Filtraggio lineare
- Estrazione di features
- Stereopsis (visione binoculare)
- Structure from Motion (multi-view)
- Registrazione di forme 3D
3) Machine learning
- Deep Learning Computation
- Convolutional Neural Networks
- Transformers
- Recurrent Neural networks
- Graph Neural Networks
- Generative models
- Self-Supervised Learning
Prerequisiti
E' consigliabile la conoscenza delle nozioni fondamentali di:
- Probabilità e statistica
- Elaborazione delle immagini
- Elaborazione dei segnali
- Probabilità e statistica
- Elaborazione delle immagini
- Elaborazione dei segnali
Metodi didattici
Lezioni frontali e demo in Python
Materiale di riferimento
Web site:
https://github.com/lanzarotti/
Materiale del corso:
- Presentazioni utilizzate durante le lezioni
- Codice software fornito per le esercitazioni
Testi di riferimento:
- [Moduli 1 e 2] D.A. Forsyth, J. Ponce - Computer Vision - A Modern Approach - Pearson, 2nd edition
- [Modulo 3] C.M. Bishop, H. Bishop - Deep Learning - Foundations and Concepts - Springer
- Opzionale - Supporto alla programmazione: A. Zhang, Z.C. Lipton, M. Li, A.J. Smola - Dive into Deep Learning
https://github.com/lanzarotti/
Materiale del corso:
- Presentazioni utilizzate durante le lezioni
- Codice software fornito per le esercitazioni
Testi di riferimento:
- [Moduli 1 e 2] D.A. Forsyth, J. Ponce - Computer Vision - A Modern Approach - Pearson, 2nd edition
- [Modulo 3] C.M. Bishop, H. Bishop - Deep Learning - Foundations and Concepts - Springer
- Opzionale - Supporto alla programmazione: A. Zhang, Z.C. Lipton, M. Li, A.J. Smola - Dive into Deep Learning
Modalità di verifica dell’apprendimento e criteri di valutazione
L'esame consiste in una prova scritta con domande aperte o di un progetto di approfondimento concordato col docente che prevede la consegna di una relazione e del codice prodotto, nonché la presentazione del progetto stesso.
La valutazione è espressa in trentesimi.
La valutazione è espressa in trentesimi.
Professor(s)