Elaborazione delle immagini II (2020/2021)



Codice insegnamento
4S003737
Crediti
6
Coordinatore
Gloria Menegaz
Altri corsi di studio in cui è offerto
Altri corsi di studio in cui è offerto
    Settore disciplinare
    INF/01 - INFORMATICA
    Lingua di erogazione
    Italiano
    L'insegnamento è organizzato come segue:
    Attività Crediti Periodo Docenti Orario
    Teoria 5 I semestre Gloria Menegaz

    Vai all'orario delle lezioni

    Laboratorio 1 I semestre Gloria Menegaz

    Vai all'orario delle lezioni

    Obiettivi formativi

    Il corso si propone di fornire le competenze relative all'analisi, alla modellazione e all'interpretazione di immagini e segnali multidimensionali con enfasi sugli aspetti relativi alla visione artificiale e ai fini sia dell'applicazione di tecniche di intelligenza artificiale a problemi tipici in ambito multimediale sia dell'interpretazione dei relativi risultati. Al termine dell'insegnamento lo/la studente sarà in grado analizzare e di risolvere in autonomia problemi tipici relativi alla modellazione di diverse tipologie di segnali (oltre alle immagini, sequenze video, dati volumetrici, etc.), all'estrazione di feature, alla comprensione e all'analisi della performance di algoritmi di apprendimento automatico orientati alla visione artificiale in ambito multimediale.

    Programma

    Il corso si compone di tre blocchi: modellazione del sistema visivo umano (HVS), rappresentazione dei segnali mediante analisi multirisoluzione e analisi degli algoritmi di deep learning implementati mediante reti convoluzionali (CNN).

    Parte 1: Sistema Visivo Umano (HVS) – 10 ore
    Introduzione all’Intelligenza visuale
    Fondamenti di visione, codifica, rappresentazione e interpretazione dello stimolo visivo, modellazione del sistema visivo (elaborazione multiscala del segnale visivo, funzione di sensibilità al contrasto (CSF), codifica, rappresentazione e percezione del colore (CMF)
    Modellazione ad alto livello del HVS: connettività strutturale e funzionale e relativa modellazione mediante grafi

    Parte 2: Analisi multirisoluzione – 20 ore
    Background
    Richiami e acquisizione di strumenti matematici
    Rivisitazione della trasformata di Fourier in 1D e in 2D
    Trasformata di Fourier a finestra (Windowed Fourier Transform)
    Wavelets e rappresentazioni multirisoluzione
    Basi wavelet
    Famiglie di trasformate multiscala e loro proprietà
    Implementazione veloce della trasformata wavelet discreta (DWT)
    Trasformata wavelet discreta in 2D
    Scattering transform

    Parte 3: Applicazione all’interpretazione del comportamento delle reti convoluzionali profonde (CNN) – 10 ore
    Richiami di CNN
    Il problema dell'interpretabilità, principali soluzioni proposte
    Reti convoluzionali, HVS e analisi multirisoluzione: verso l'integrazione
    Interpretazione delle reti CNN alla luce della teoria della multirisoluzione e del modello del HVS

    Esempi di applicazione nel contesto dell’interpretable deep learning

    LABORATORIO
    Le sessioni di laboratorio consisteranno in esercitazioni da svolgere in Matlab e Python relative agli argomenti trattati nel corso.

    Modalità d'esame

    L'esame consisterà in un progetto e in un colloquio sui temi trattati nel corso.

    Testi di riferimento
    Attività Autore Titolo Casa editrice Anno ISBN Note
    Teoria Stephane Mallat A Wavelet Tour of Signal Processing (Edizione 2) Academic Press 1999 9780124666061
    Teoria Brian A. Wandell Foundations of Vision Sinauer Associates Inc 1995 0878938532