Apprendimento automatico per la visione artificiale
a.a. 2021/22
Responsabile didattico: Vito Roberto
Durata: 28 ore
Programma: Seminari introduttivi. Machine Vision (MV) e Machine Learning. Visione naturale: elementi della percezione visiva. I compiti della MV. Il paradigma del Machine Learning (ML): una macchina di calcolo parallelo distribuito; algoritmi di apprendimento automatico e loro importanza per la MV. Modelli, architetture, procedure. Architetture neurali e loro classificazione; Deep Learning (DL). In laboratorio: la piattaforma tecnologica. Un caso di studio in Machine Vision. Modelli convoluzionali (CNN) per la MV. Deep Learning e recenti progressi della MV (milestone projects); gli archivi di dati visuali (dataset). Convolutional Neural Networks: visione come classificazione di forme: campionari di oggetti commerciali; caratteri alfabetici; cifre. Deep Learning per il riconoscimento visivo. Localizzazione (object localization); identificazione (object detection); segmentazione semantica (object segmentation). Le mappe di attenzione e la semantica di un’immagine. Generative Adversarial Networks (GAN). Apprendimento automatico degli stili nelle opere d’arte: le StyleGAN. Casi di studio nei beni culturali.