Teorie e tecniche del riconoscimento (2014/2015)

Codice insegnamento
4S02803
Docente
Marco Cristani
Coordinatore
Marco Cristani
crediti
6
Settore disciplinare
ING-INF/05 - SISTEMI DI ELABORAZIONE DELLE INFORMAZIONI
Lingua di erogazione
Italiano
Periodo
I sem. dal 1-ott-2014 al 30-gen-2015.

Orario lezioni

I sem.
Giorno Ora Tipo Luogo Note
lunedì 14.30 - 17.30 lezione Aula I  
giovedì 14.30 - 17.30 laboratorio Laboratorio didattico Gamma  

Obiettivi formativi

Teorie e Tecniche del Riconoscimento (TTR) è una disciplina altamente pervasiva, sia in campo scientifico che industriale. Essa si concentra sulla creazione di classificatori, ossia algoritmi in grado di imparare aspetti della realtà che ci circonda e di compiere decisioni adeguate una volta in presenza di nuovi stimoli. Riconoscitori vocali, applicazioni automotive, sistemi di sorveglianza, sistemi di controllo qualità, recommender systems, motori di ricerca, reti sociali, strumenti di interazione (Kinect, Wii) sono solo alcune delle numerose applicazioni che si basano sulla presenza di classificatori. Il corso di TTR intende fornire i principi metodologici alla base della classificazione, unitamente alle tecniche più moderne in grado di risolvere problemi fino a pochi anni fa ingestibili. In altre parole, il corso vuole essere l’ottimo compromesso tra teoria e pratica, rendendo lo studente in grado di risolvere problemi tangibili e importanti con tecniche solide dal punto di vista teorico.

Programma

Il programma del corso può essere diviso in due ambiti, quello metodologico e quello applicativo, che procederanno di pari passo durante le lezioni.

Metodologie
--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
--Hidden Markov Models
--Metodi di classificazione non supervisionata (clustering)
--Pattern recognition per l'analisi e il riconoscimento in immagini e video

Applicazioni
--Riconoscimento di volti
--Tracking
--Video sorveglianza

Testi per il corso:
- Richard O. Duda, Peter E. Hart, and David G. Stork. 2000. Pattern Classification (2nd Edition). Wiley-Interscience.
- Christopher M. Bishop. 2006. Pattern Recognition and Machine Learning (Information Science and Statistics). Springer-Verlag New York, Inc., Secaucus, NJ, USA.

Testi di riferimento
Autore Titolo Casa editrice Anno ISBN Note
R. Duda, P. Hart, D. Stork Pattern Classification Wiley 2001
C.M. Bishop Pattern Recognition and Machine Learning Springer 2006

Modalità d'esame

Progetto e prova orale.

Materiale didattico

Documenti

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 88.88% 30 0
Respinti --
Assenti 11.11%
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% 0.0% 0.0% 0.0% 18.7% 6.2% 75.0%

Valori relativi all'AA 2014/2015 calcolati su un totale di 18 iscritti. I valori in percentuale sono arrotondati al numero intero più vicino.