RUSSO PAOLO
SANSONETTI GIUSEPPE
Obiettivi
Gli obiettivi sono quelli di presentare i modelli, i metodi e le tecniche di base impiegate nelle aree del Intelligenza Artificiale, quali problem-solving, ricerca in ambienti complessi, ricerca con avversari, rappresentazione della conoscenza e gestione di vincoli. Saranno studiati alcuni domini didattici utili per comprendere l’applicazione pratica dei concetti trattati nel corso.Le lezioni e le esercitazioni pratiche svolte durante il corso consentiranno allo studente di acquisire capacità base di analisi e di problem solving su vari domìni d’interesse per la disciplina.
Risultati Apprendimento Attesi
Al termine del corso lo studente sarà in grado di:- comprendere i principi teorici della Computer Vision e dell’elaborazione delle immagini digitali;
- descrivere i principali metodi di acquisizione, rappresentazione e trasformazione delle immagini;
- conoscere gli algoritmi fondamentali per estrazione di feature, segmentazione, classificazione e riconoscimento;
- comprendere i principi geometrici della visione artificiale, inclusi modelli di camera, calibrazione e ricostruzione 3D;
- conoscere le principali tecniche basate su Deep Learning per problemi di Computer Vision.
Programma
RUSSO PAOLO
Elementi di Proiezione ProspetticaCalibrazione della fotocamera
Elementi di Geometria Epipolare
Elementi di Ricostruzione 3D
Filtraggio delle immagini
Elementi di Deep Learning applicato alle immagini
SANSONETTI GIUSEPPE
1. Introduzione al corso- Aree di interesse dell’Intelligenza Artificiale.
- Potenzialità dei modelli e dei metodi di IA.
2. Soluzione di Problemi mediante Ricerca nello Spazio degli Stati
- Ricerca non informata (in ampiezza, guidata dal costo, in profondità, iterative deepening).
- Ricerca euristica (Best First, Algoritmo A*, funzioni euristiche).
- Algoritmi approssimati (Hill Climbing, Simulated Annealing, ecc.).
- Ricerca in presenza di avversari (MiniMax, Alfa-Beta pruning).
3. Introduzione al linguaggio Python
- Ambienti di sviluppo, Jupyter Notebook, Colab.
- Python base. Strutture dati in Pyhton.
- Librerie Python: NumPy, Pandas, Matplotlib, ScikitLearn.
4. Evolutionary Computation
- Soft Computing e “No Free Lunch Theorem”.
- Algoritmi Genetici e loro applicazioni.
- Particle Swarm Optimization e applicazioni.
5. Comunicazione e Percezione
- Visione Artificiale:
• Luce e colore
• Formazione immagini
• Elaborazione flusso visuale
• Tecniche di object recognition
Prerequisiti
RUSSO PAOLO
Nozioni di base di analisi matematica e di algebra lineare.SANSONETTI GIUSEPPE
Fondamenti di programmazione e data analytics.Testi Adottati
RUSSO PAOLO
Computer Vision, a modern approach, David Forsyth e Jean PonceSANSONETTI GIUSEPPE
Lucidi delle lezioni.Modalità Frequenza
RUSSO PAOLO
frequenza liberaSANSONETTI GIUSEPPE
La frequenza non è obbligatoria, ma è fortemente consigliata.Modalità Valutazione
RUSSO PAOLO
Domande a risposta aperta.SANSONETTI GIUSEPPE
Prova scritta.Esempi Domande
Spiegare l'algoritmo tipico di calibrazione della fotocamera.