Syllabus del corso
Obiettivi
Il corso fornirà le basi teoriche e metodologiche per la conversione analogico-digitale, l’elaborazione, l’analisi, l’interpretazione e la gestione di segnali ed immagini digitali in diversi contesti applicativi. I paradigmi utilizzati saranno quelli tradizionali e sulle recenti tecniche di deep learning e apprendimento automatico.
Contenuti sintetici
Lo studente acquisirà competenze specifiche che lo porranno in grado di comprendere il processo di digitalizzazione dei segnali e delle immagini; di progettare ed implementare algoritmi di elaborazione, analisi e classificazione di segnali ed immagini (basati sia su tecniche tradizionali che sulle recenti tecniche di deep learning e apprendimento automatico), e di valutarne l'efficacia.
Programma esteso
1 Conversione analogico-digitale, elaborazione ed estrazione di caratteristiche descrittive da segnali ed immagini
2 Riconoscimento e classificazione di segnali
3 Riconoscimento e classificazione di immagini/video
4 Metodi per l’indicizzazione ed il reperimento di segnali/immagini/video in archivi di grandi dimensioni
5 Analisi di casi studio
Prerequisiti
Nessuno
Modalità didattica
Lezioni frontali ed esercitazioni.
Materiale didattico
Slides, articoli e dispense fornite dal docente
Libro di testo:
- Digital Image Processing, 4th Edition, Rafael C. Gonzalez, Richard E. Woods
- Digital Image Processing: Part I, Huiyu Zhou , Jiahua Wu , Jianguo Zhang (scaricabile https://bookboon.com/en/digital-image-processing-part-one-ebook)
- Digital Image Processing: Part II, Huiyu Zhou , Jiahua Wu , Jianguo Zhang (scaricabile https://bookboon.com/en/digital-image-processing-part-two-ebook)
- Y. Goodfellow, Y. Bengio, A. Courville, Deep Learning, 2015. MIT Press
Periodo di erogazione dell'insegnamento
Primo semestre
Modalità di verifica del profitto e valutazione
Progetto e discussione del progetto.
Il progetto consiste nella realizzazione di una applicazione per il riconoscimento di oggetti in scene reali. La successiva discussione consente di verificare l'apprendimento dei concetti spiegati a lezione e la loro corretta applicazione all'interno del progetto sviluppato.
Orario di ricevimento
Dopo le lezioni o su appuntamento
Aims
The course will provide the theoretical and methodological bases for the analog-to-digital conversion, processing, analysis, interpretation and management of the digital signals and images in different application contexts. The paradigms used range from the traditional ones to the most recent deep learning and machine learning techniques.
Contents
The student will acquire specific skills that will put him in a position to understand the process of digitization of the signals and images; to design and implement algorithms for the processing, analysis and classification of digital signals and images (based on both traditional techniques and on the recent deep learning and machine learning techniques), and to assess their effectiveness.
Detailed program
1 Analog-to-digital conversion, processing and descriptive feature extraction in signals and images
2 Signals classification and recognition
3 Images/videos classification and recognition
4 Indexing and retrieval methods for signals/images/videos in large archives
5 Analysis of case studies
Prerequisites
None
Teaching form
Classroom lessons and exercises/laboratory sessions.
Textbook and teaching resource
Slides, articles and notes given by the professor.
Textbooks:
- Digital Image Processing, 4th Edition, Rafael C. Gonzalez, Richard E. Woods
- Digital Image Processing: Part I, Huiyu Zhou , Jiahua Wu , Jianguo Zhang (freely available at https://bookboon.com/en/digital-image-processing-part-one-ebook)
- Digital Image Processing: Part II, Huiyu Zhou , Jiahua Wu , Jianguo Zhang (freely available at https://bookboon.com/en/digital-image-processing-part-two-ebook)
- Y. Goodfellow, Y. Bengio, A. Courville, Deep Learning, 2015. MIT Press
Semester
First semester
Assessment method
Discussion of a project that can be done in a group of up to two people, with individual evaluation. The project concerns the realization of an application for the recognition of objects placed in real scenes. The project discussion will allow to verify the learning of the concepts explained in class and their correct application within the developed project.
Office hours
Just after the lessons or by request