NICOLA FELICE CAPECE | VISIONE E PERCEZIONE
| VISIONE E PERCEZIONE | |
|---|---|
| SCUOLA di INGEGNERIA | |
| Laurea Magistrale | |
| INGEGNERIA INFORMATICA E DELLE TECNOLOGIE DELL'INFORMAZIONE | |
| 6 | |
| CFU | Ore | Ciclo | Docente | ||||
|---|---|---|---|---|---|---|---|
| 1 | VISIONE E PERCEZIONE | ||||||
| 6 | 48 | Secondo Semestre | CAPECE NICOLA FELICE | ||||
| Lingua insegnamento | Italiano |
|---|
| Obiettivi formativi e risultati di apprendimento | Gli argomenti trattati nel corso riguardano la programmazione di sistemi di elaborazione delle immagini basati sull'apprendimento automatico e la computer grafica. Conoscenza e Comprensione: il corso intende fornire agli studenti conoscenze relative alla programmazione in Python per lo sviluppo di applicazioni per l'elaborazione delle immagini attraverso strumenti per l'apprendimento automatico come Keras e tensorflow e la libreria per la percezione OpenCV. Il corso intende fornire anche una panoramica sul motore grafico Unity 3D e sulle possibilità di sviluppare sistemi di visione e percezione in ambiente interattivo. al termine del corso, lo studente dovrà essere in grado di sviluppare applicazioni per l’elaborazione delle immagini e il riconoscimento di oggetti in modo automatico. |
|---|
| Prerequisiti | Conoscenze di base della programmazione e dell’algebra lineare |
|---|
| Contenuti del corso | Introduzione agli strumenti di sviluppo e alle conoscenze di base di Python per l'image processing Elaborazione delle immagini con Python Percezione 2D - OpenCV Introduzione al Deep Learning Introduzione a Keras e Tensorflow Classificazione delle immagini e object detection Transfer learning Strumenti di image processing basate sul deep learning per la segmentazione delle immagini, miglioramento delle immagini e super resolution Introduzione a Unity 3D Applicazioni in Unity 3D basate sull'image processing e il deep learning |
|---|
| Metodi didattici | Lezioni frontali ed esercitazioni per un totale di 48 ore. Durante il corso potranno essere proposti agli studenti compiti facoltativi per casa. |
|---|
| Modalità di verifica dell'apprendimento | Il voto finale viene conseguito realizzando individualmente o in gruppo un progetto finale che includa le tematiche di studio affrontate durante il corso. |
|---|
| Testi di riferimento e di approfondimento, materiale didattico Online | Materiale digitale prodotto dal docente che sarà reso disponibile su Moodle Il corso non prevede un libro di testo. Gli studenti che vogliano approfondire i concetti trattati a lezione possono utilizzare i seguenti testi: - Jan Erik Solem "Programming Computer Vision with Python" O'Reilly Media - Francois Chollet "Deep Learning with Python" Manning Publications Co. |
|---|
| Metodi e modalità di gestione dei rapporti con gli studenti | Di persona durante l'orario di ricevimento o mediante posta elettronica. Si farà anche uso di Moodle per la condivisione del materiale didattico e per la comunicazione con gli studenti (per esempio, utilizzando il forum) |
|---|
| Date di esame previste | 2 luglio 2024; 29 luglio 2024; 6 settembre 2024; 10 dicembre 2024; 4 febbraio 2025; 28 febbraio 2025; |
|---|
| Seminari di esperti esterni | No |
|---|
