VISIONE ARTIFICIALE

Docenti: 
CATTANI Stefano
Codice dell'insegnamento: 
10424*7543*2016*2015*9999
Crediti: 
9
Sede: 
PARMA
Anno accademico di offerta: 
2017/2018
Settore scientifico disciplinare: 
SISTEMI DI ELABORAZIONE DELLE INFORMAZIONI (ING-INF/05)
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 (nella prima parte), e lo svolgimento di esercitazioni di laboratorio individuali obbligatorie (nella seconda parte). Per lo svolgimento delle attivita' di laboratorio gli studenti devono disporre di capacita' di sviluppo di software, prevalentemente in ambiente C/Unix/OpenCV.

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/C++ con l'ausilio della libreria OpenCV.

Contenuti dell'insegnamento

Introduzione alla Visione Artificiale

Programma esteso

Introduzione alla corso
Introduzione alla Visione Artificiale
Acquisizione: campionamento, quantizzazione
Formato Immagini, Video e acquisizione
Preelaborazione: operazioni puntuali
Preelaborazione: morfologia matematica
Esercitazioni su buffer di memoria
Preelaborazione: operazioni locali
Esercitazioni su filtri vari
Preelaborazione: operazioni globali
Edge Detection
Esercitazioni su Edge Detection
Camera 1 (modelli)
Camera 2 (calibrazione)
Camera 3 (mono reconstruction)
Esercitazioni su Edge Detection (recupero)
Camera 4 (epipolar geometry)
Stereo Matching
Esercitazione su trasformazioni 2D e 3D
Features and Descriptors 1
Esercitazioni su Stereo Matching
Features and Descriptors 2
Esercitazioni su Feature Matching e Fitting Modelli
Fitting and Matching
Esercitazioni su Feature Matching e Fitting Modelli
Classification&Recognition 1
Classification&Recognition 2
Esercitazioni di Classificazione
CNN
Image Segmentation
Esercitazioni su Image Segmentation

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

Didattica frontale e laboratori

Modalità verifica apprendimento

L'esame finale e' basato su un compito scritto relativo alla parte teorica, piu' una prova pratica da svolgersi in laboratorio.

Durante il corso saranno offerte due prove pratiche intermedie, in alternativa alla prova finale in laboratorio. Prove intermedie parziali non saranno ritenute valide nei successivi appelli ufficiali.

VALUTAZIONE:
Prova scritta: 35%
Prova pratica: 65%

E' necessario superare positivamente entrambe le prove.