Teoria e tecniche del riconoscimento (2008/2009)

Corso a esaurimento

Codice insegnamento
4S00072
Crediti
5
Coordinatore
Vittorio Murino
L'insegnamento è organizzato come segue:
Modulo Crediti Settore disciplinare Periodo Docenti
Teoria 4 INF/01-INFORMATICA 3° Q Vittorio Murino
Laboratorio 1 INF/01-INFORMATICA 3° Q Vittorio Murino

Obiettivi formativi

Modulo: Teoria
-------
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 e statistiche con particolar riferimento all’apprendimento automatico di sistemi volti al riconoscimento e la classificazione.

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, etc.), la biometria, l'imaging biomedicale, la videosorveglianza, la robotica, il riconoscimento della voce e numerose altre.


Modulo: Laboratorio
-------
Si veda la descrizione nella parte Teoria.

Programma

Modulo: Teoria
-------
* Introduzione: cos’è, a cosa serve, sistemi, applicazioni
* Riconoscimento e classificazione••
* Teoria della decisione di Bayes •
* Stima dei parametri
* Metodi non parametrici
* Classificatori lineari, non lineari e funzioni discriminanti
* Estrazione e selezione di feature, PCA e trasformata di Fisher
* Algoritmo Expectation-Maximization e misture di Gaussiane
* Metodi generativi e discriminativi
* Metodi Kernel e Support Vector Machines
* Reti neurali artificiali
* Hidden Markov Models
* Metodi di classificazione non supervisionata (clustering)

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.


Modulo: Laboratorio
-------
Si veda la descrizione nella parte Teoria.

Modalità d'esame

Modulo: Teoria
-------
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.


Modulo: Laboratorio
-------
Si veda la descrizione nella parte Teoria.

Statistiche per i requisiti di trasparenza (Attuazione Art. 2 del D.M. 31/10/2007, n. 544)

Statistiche esiti
Esiti Esami Esiti Percentuali Media voti Deviazione Standard
Positivi 21.42% 29 1
Respinti --
Assenti 78.57%
Ritirati --
Annullati --
Distribuzione degli esiti positivi
18 19 20 21 22 23 24 25 26 27 28 29 30 30 e Lode
0.0% 0.0% 0.0% 0.0% 0.0% 0.0% 0.0% 0.0% 33.3% 0.0% 0.0% 0.0% 33.3% 33.3%

Valori relativi all'AA 2008/2009 calcolati su un totale di 14 iscritti. I valori in percentuale sono arrotondati al numero intero più vicino.