Pattern Recognition (2004/2005)

Course partially running

Course code
4S00072
Name of lecturer
Vittorio Murino
Number of ECTS credits allocated
5
Other available courses
Academic sector
INF/01 - INFORMATICS
Language of instruction
Italian
Period
Third four-month term dal Apr 11, 2005 al Jun 10, 2005.
Web page
http://profs.sci.univr.it/~swan/Teaching/2004-05/TTR/TTR.html

Lesson timetable

Third four-month term
Day Time Type Place Note
Tuesday 9:30 AM - 11:30 AM lesson Lecture Hall B  
Wednesday 3:30 PM - 6:30 PM lesson Lecture Hall B  

Learning outcomes

Il corso intende fornire i fondamenti teorici e le metodologie principali relative all’analisi e riconoscimento automatico di dati di qualsiasi tipo, detti tipicamente pattern. Questa disciplina è alla base o completa molte altre discipline di più larga diffusione come l’elaborazione delle immagini, la visione, l’intelligenza artificiale, l’analisi di grosse quantità di dati, le basi di dati, e numerose altre.
•Nel corso verrà data enfasi alle tecniche probabilistiche con particolar riferimento all’addestramento di sistemi volti al riconoscimento (anche di immagini, ma non solo) e alle reti neurali. •Le applicazioni che questa disciplina coinvolge sono molteplici. Tra queste ci sono le applicazioni legati all’elaborazione delle immagini e visione, data mining, la bioinformatica, analisi ed interpretazione di dati medicali e biologici (e.g., genomica, proteomica, sierologia, etc.), la biometria, l'imaging biomedicale, la videosorveglianza, la robotica, il riconoscimento della voce e numerose altre.

Syllabus

Introduzione: cos’è, a cosa serve, sistemi, applicazioni
•Riconoscimento e classificazione
•Estrazione e rappresentazione di caratteristiche (feature)
•Teoria della decisione di Bayes
•Stima dei parametri e metodi non parametrici
•Classificatori lineari, non lineari e funzioni discriminanti
•Cenni di Pattern Recognition di tipo sintattico
•Selezione di feature
•Reti neurali
•Metodi di classificazione non supervisionata (clustering)
•Metodi avanzati: Hidden Markov Models.

Il corso viene svolto in 32 ore di lezioni frontali e 12 ore di laboratorio. L'attività di laboratorio prevede la pratica e risoluzione di esercizi mediante l'uso di MATLAB volti all'apprendimento pratico e alla miglior comprensione della teoria svolta a lezione.

Reference books
Author Title Publisher Year ISBN Note
C.M. Bishop Neural Networks for Pattern Recognition Oxford University Press 1995 Testo di approfondimento per argomenti specifici
R. Duda, P. Hart, D. Stork Pattern Classification Wiley 2001 Testo principale
S. Theodoridis, K. Koutroumbas Pattern Recognition Academic Press 1998 Testo secondario

Assessment methods and criteria

La verifica del profitto avverrà mediante un'attività di progetto e una breve prova orale. Il progetto riguarderà gli argomenti trattati a lezione con riferimento all'elaborazione delle immagini e visione, ma anche altre applicazioni potranno essere considerate. La prova orale verterà sui temi sviluppati a lezione e potrà essere sostituita da una prova scritta con brevi domande simili alla prova orale.
Il superamento della prova porta all'acquisizione di 5 crediti, ovvero di 1 unità didattica.

Teaching aids

Documents