Teorie e tecniche del riconoscimento (2017/2018)

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
II sem. dal 1-mar-2018 al 15-giu-2018.

Orario lezioni

Vai all'orario delle lezioni

Obiettivi formativi

Teorie e Tecniche del Riconoscimento (TTR) 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. Esempi di classificatori sono: riconoscitori vocali, applicazioni automotive, sistemi di sorveglianza, sistemi di controllo qualità, sistemi di raccomandazione. 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. Al termine dell’insegnamento, lo studente dovrà dimostrare di saper risolvere un problema di classificazione applicando lo strumento più adatto al caso in esame, giustificando a livello teorico la propria scelta.

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 e a che cosa serve la classificazione, sistemi di classificazione, applicazioni di classificazione
--Riconoscimento e classificazione statistica
--Teoria della decisione di Bayes
--Classificatori lineari, non lineari e funzioni discriminanti
--Estrazione e selezione di feature, PCA e trasformata di Fisher
--Stima dei parametri di un classificatore
--Algoritmo Expectation-Maximization e misture di Gaussiane
--Metodi non parametrici per l’addestramento di un classificatori
--Hidden Markov Models
--Metodi di classificazione non supervisionata (clustering)

Applicazioni
--Classificazione binaria e multiclasse su benchmark reali
--Riconoscimento di volti
--Tracking


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

La modalità di accertamento dell’esame è orale; i contenuti richiesti saranno quelli visti a lezione, come indicato dal programma del corso. In particolare, laddove sia necessario, sarà richiesta la dimostrazione formale di un procedimento. In tutti i casi, le domande riguarderanno un problema di classificazione in cui lo studente dovrà suggerire la tecnica più adatta al caso in oggetto, dimostrandone formalmente le sue caratteristiche. Dipendentemente dalla soluzione proposta dallo studente rispetto al problema di classificazione postogli come quesito (20 punti totale), e dalla precisione con cui gli argomenti verranno esposti (10 punti), verrà composto il voto finale.

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

I dati relativi all'AA 2017/2018 non sono ancora disponibili