Obiettivi formativi

Il corso intende fornire i fondamenti teorici e le metodologie principali relative all’analisi e riconoscimento automatico di dati di qualsiasi tipo, detti tipicamente pattern. Questa disciplina è alla base o completa molte altre discipline di più larga diffusione come l’elaborazione delle immagini, la visione, l’intelligenza artificiale, l’analisi di grosse quantità di dati, le basi di dati, e numerose altre.
Nel corso verrà data enfasi alle tecniche probabilistiche e statistiche con particolar riferimento all’apprendimento automatico di sistemi volti al riconoscimento e la classificazione.

Le applicazioni che questa disciplina coinvolge sono molteplici.

Tra queste ci sono le applicazioni legate all’elaborazione delle immagini e visione, data mining, l'analisi ed interpretazione di dati medicali, la biometria, l'imaging biomedicale, la videosorveglianza, la robotica, il riconoscimento della voce e numerose altre.

Programma

--Introduzione: cos’è, a cosa serve, sistemi, applicazioni
--Riconoscimento e classificazione
--Teoria della decisione di Bayes
--Stima dei parametri
--Metodi non parametrici
--Classificatori lineari, non lineari e funzioni discriminanti
--Estrazione e selezione di feature, PCA e trasformata di Fisher
--Algoritmo Expectation-Maximization e misture di Gaussiane
--Metodi generativi e discriminativi
--Metodi Kernel e Support Vector Machines
--Reti neurali artificiali
--Hidden Markov Models
--Metodi di classificazione non supervisionata (clustering)
--Pattern recognition per l'analisi ed il riconoscimento in immagini e video

Modalità d'esame

Progetto e prova orale.

Materiale e documenti

•   Lab0 - ripasso avanzato MATLAB   (zip, it, 0 KB, 3/7/12)
•   Lab 1 - Classificatori di Bayes   (zip, it, 6397 KB, 3/14/12)
•   Lab 2 - PCA e LDA   (zip, it, 5058 KB, 4/11/12)
•   Lab 3 - Tracking   (zip, it, 2 KB, 5/2/12)
•   Lab 4 - Hidden Markov Models   (zip, it, 6929 KB, 5/16/12)
•   Lab 5 - Conclusione   (zip, it, 92 KB, 6/6/12)
•   Lez 0 - Introduzione al corso   (vnd.ms-powerpoint, it, 169 KB, 4/17/12)
•   Lez 1 - Introduzione alla pattern recognition   (vnd.ms-powerpoint, it, 1893 KB, 4/17/12)
•   Lez 2 - Teoria di Bayes   (vnd.ms-powerpoint, it, 1002 KB, 4/17/12)
•   Lez3bis - Estrazione Features (integrazione LDA)   (pdf, it, 810 KB, 3/20/12)
•   Lez 3 - Estrazione delle features (PCA, eigenfaces)   (vnd.ms-powerpoint, it, 1278 KB, 4/17/12)
•   Lez 4 - Stima parametrica di modelli   (vnd.ms-powerpoint, it, 4274 KB, 4/17/12)
•   Lez 5 - Stima non parametrica di modelli   (vnd.ms-powerpoint, it, 3173 KB, 4/17/12)
•   Lez 6 - Modelli generativi complessi   (vnd.ms-powerpoint, it, 4716 KB, 4/24/12)
•   Lez 7 - Modelli discriminativi   (zip, it, 5510 KB, 6/5/12)
•   Mapping Lezioni - Testi   (pdf, it, 177 KB, 6/6/12)
•   Progetti TTR 2011-2012   (zip, it, 4968 KB, 5/8/12)