VISIONE ARTIFICIALE

Crediti: 
9
Settore scientifico disciplinare: 
SISTEMI DI ELABORAZIONE DELLE INFORMAZIONI (ING-INF/05)
Anno accademico di offerta: 
2016/2017
Semestre dell'insegnamento: 
Primo Semestre
Lingua di insegnamento: 

Italiano

Obiettivi formativi

Il corso ha l'obiettivo di fornire le conoscenze necessarie per la progettazione e l'applicazione di sistemi di visione artificiale, promuovendo l'acquisizione di competenze progettuali direttamente spendibili anche nel mondo del lavoro. Il corso prevede la presentazione di nozioni metodologiche di base, lo sviluppo di argomenti avanzati anche atttraverso seminari specifici, e lo svolgimento di esercitazioni di laboratorio individuali. Per lo svolgimento delle attivita' di laboratorio gli studenti devono disporre di capacita' di sviluppo di software, prevalentemente in ambiente C/Unix.

Prerequisiti

Si richiede la conoscenza pratica degli argomenti trattati nei corsi di Calcolatori Elettronici, Fondamenti di Informatica, e Sistemi Operativi. Per lo sviluppo dei progetti, verra' utilizzato il linguaggio C.

Programma esteso

Acquisizione: campionamento, quantizzazione
Formato Immagini, Video e acquisizione

Preelaborazione: operazioni puntuali
Preelaborazione: morfologia matematica
Esercitazioni su buffer di memoria

Preelaborazione: operazioni locali
Preelaborazione: operazioni globali
Esercitazioni su filtri vari

Edge Detection
Esercitazioni su Edge Detection
Camera 1 (modelli)

Camera 2 (calibrazione)
Camera 3 (mono reconstruction)
Esercitazione su trasformazioni 2D e 3D

Camera 4 (epipolar geometry)
Stereo Matching
Esercitazioni su Stereo Matching

Features and Descriptors 1
Features and Descriptors 2
Esercitazioni su Feature Matching e Fitting Modelli

Fitting and Matching
Esercitazioni su Feature Matching e Fitting Modelli
Introduzione a Structure From Motion

Esercitazioni su SFM
Image Segmentation
Esercitazioni su Image Segmentation

Classification&Recognition 1
Classification&Recognition 2

Esercitazioni di Classificazione
Seminario CNN

Bibliografia

D. A. Forsyth and J. Ponce. Computer Vision: A Modern Approach (2nd Edition). Prentice Hall, 2011.
R. Hartley and A. Zisserman. Multiple View Geometry in Computer Vision. Cambridge University Press, 2003

Metodi didattici

Lezioni teoriche e esercitazioni in laboratorio, circa 50/50.

Modalità verifica apprendimento

Prova scritta relativa alla parte teorica

Prova pratica in laboratorio.

Verra' data la possiblita' agli studenti di svolgere la prova pratica in due prove parziali durante il corso.