Codice insegnamento

4S010679

Docente

Vittorio Murino

Coordinatore

Vittorio Murino

Crediti

6

Lingua di erogazione

Inglese

Settore Scientifico Disciplinare (SSD)

INF/01 - INFORMATICA

Periodo

II semestre dal 3 mar 2025 al 13 giu 2025.

Corsi Singoli

Autorizzato

Orario Lezioni Moodle Seminari 0

Obiettivi di apprendimento

I problemi di visione artificiale (Computer Vision, CV) vengono tradizionalmente affrontati adottando metodi di apprendimento automatico. Recentemente, gli approcci di apprendimento automatico profondo (deep learning, DL) hanno mostrato di affrontare le applicazioni di visione (es. rilevamento, classificazione, segmentazione, tracciamento, ecc.) in modo più efficace ed efficiente, raggiungendo prestazioni mai immaginate prima, consentendo anche di affrontare nuovi problemi (es. generazione di immagini, trasferimento di stile, per citarne alcuni). Questo corso mira a descrivere come i principali temi di visione vengono affrontati, e talvolta risolti, dagli approcci di DL. Il corso affronterà argomenti classici, ma significativi e con ampia applicabilità in scenari reali, argomenti di CV, che sono ancora questioni aperte, e che coinvolgono analisi e riconoscimento di immagini e video, così come di altri dati multimodali (3D, audio, ecc.). Gli approcci DL più significativi ed efficaci saranno dettagliati includendo, ma non solo, reti neurali convoluzionali, autoencoder, modelli ricorrenti, metodi di adattamento del dominio, anche affrontando problemi pratici solitamente incontrati in applicazioni reali come la scarsità di dati annotati (apprendimento non supervisionato o auto-supervisionato, apprendimento few/zero-shot), aumento e generazione di dati, robustezza agli attacchi “adversarial” e apprendimento continuo.

Prerequisiti e nozioni di base

I prerequisiti per seguire il corso consistono nell'aver acquisito competenze di Apprendimento Automatico, Riconoscimento di Pattern e Intelligenza Artificiale in generale.
La conoscenza di tematiche relative all'elaborazione delle immagini è anche fondamentale per la comprensione del corso in oggetto.

Programma

Il corso intende spiegare i metodi moderni per affrontare e risolvere i problemi di Visione Computazionale. Tali metodi consistono fondamentalmente in approcci di Apprendimento Profondo (Deep Learning) applicati all'elaborazione di immagini e video.
In particolare, il corso si svilupperà su argomenti monolitici relativi a specifici problemi aperti in Visione quali:
- Segmentazione
- Rivelazione (di oggetti)
- Riconoscimento (di oggetti)
- Stima della posa
- Tracciamento
- Riconoscimento e segmentazione di azioni/attività
- Ricostruzione di dati 2D e 3D
- Generazione di immagini
- Recupero di immagini
- Analisi di dati multimodali
- Visione e Linguaggio
- Adattamento al dominio e generalizzazione
- Trasferibilità
- Addestramento con dati scarsi, rumorosi, sbilanciati

Modalità didattiche

Le lezioni di Teoria si svolgeranno in aula con proiezione di slide, mentre le lezioni di laboratorio saranno al computer in aula informatica e consisteranno nell sviluppo di alcuni degli algoritmi sviluppati in classe

Modalità di verifica dell'apprendimento

Per superare l'esame gli studenti dovranno dimostrare di:
- aver compreso i principi teorici e gli algoritmi alla base delle tecniche di Computer Vision & Deep Learning descritti a lezione;
- essere in grado di esporre le proprie argomentazioni in modo preciso, organico e strutturato, senza divagazioni;
- saper applicare le conoscenze acquisite per risolvere problemi applicativi presentati sotto forma di esercizi, domande oppure progetti.
L'esame consisterà nello sviluppo di un progetto, seguito dalla scrittura di un rapporto tecnico ed una presentazione orale.
Durante la presentazione orale del progetto verranno fatte domande sui contenuti del corso descritti a lezione.

Criteri di valutazione

Qualità del progetto, livello di difficoltà e approfondimento, qualità e chiarezza nell'esposizione della presentazione del progetto.
Congruenza delle risposte alle questioni teoriche.

Criteri di composizione del voto finale

Una combinazione delle valutazioni relative al progetto e alle risposte alle domande di teoria.

Lingua dell'esame

Inglese