Corso formativo sulla Computer Vision
Il corso fornirà le competenze teoriche di base sulla Computer Vision, i metodi di utilizzo e le principali aree applicative tramite lezioni teoriche, dimostrazioni pratiche ed esercitazioni
Obiettivi e temi dell'evento
La Computer Vision (CV) o visione artificiale è una branca dell'Intelligenza Artificiale che si occupa di metodi e algoritmi che educano i computer a interpretare ed estrarre informazioni da immagini e video, emulando i processi della visione umana. Utilizzando contenuti digitali provenienti da fotocamere e videocamere, le macchine sono in grado di identificare e classificare con precisione gli oggetti.
Il corso trasmetterà ai partecipanti i metodi di base dalla Computer Vision e introdurrà i principali scenari applicativi.
Le esercitazioni pratiche consentiranno di utilizzare le tecniche di CV negli ambiti della classificazione di immagini/video, della segmentazione di immagini, della localizzazione e del tracking di oggetti.
Dove
Agenda
h 10:00 - 13:00 aula IAM_TA (ex aula B0), Dipartimento di Ingegneria Elettrica ed Elettronica, edificio M
Introduzione alla visione artificiale
- Richiami AI e ML
- Richieste di immagini digitali
- Esercizio (apri, visualizza, proprietà dell'immagine) Numpy + OpenCV
- Che cosa è la Computer Vision
- Esempi pratici
h 10:00 - 13:00 aula IAM_TA (ex aula B0), Dipartimento di Ingegneria Elettrica ed Elettronica, edificio M
Classificazione e recupero di immagini/video
- Classificazione delle immagini
- Approcci supervisionati vs non supervisionati
- Classificazione monoetichetta vs multietichetta
- Classificazione video
h 10:00 - 13:00 aula IAN_3B (ex Laboratorio LIDIA Software), edificio N
Segmentazione semantica
- Definizione
- Segmentazione semantica con SVM
- Segmentazione semantica con Random Forest
- Segmentazione semantica con metodi DL
h 10:00 - 13:00 aula IAN_3B (ex Laboratorio LIDIA Software), edificio N
Rilevamento degli oggetti
- Rilevamento degli oggetti vs segmentazione semantica
- Rilevamento di oggetti (Viola-Jones, istogramma di gradienti orientati, CNN)
- Esempi pratici (rilevamento del volto)
- Allineamento
- Esempi pratici (allineamento generico di oggetti + allineamento di facce)
- Classificazione (caratteristiche artigianali, metodi olistici, CNN)
h 10:00 - 13:00 aula IAN_3B (ex Laboratorio LIDIA Software), edificio N
Tracciamento di oggetti singoli e multipli
- Definizione
- Tracciamento delle immagini e tracciamento dei video
- Tracciamento di oggetti singoli e multipli
- Algoritmi
- Sfida
Relatrice:
Sara Concas , UniCA
Per iscriverti al corso formativo clicca su: https://docs.google.com/forms/d/e/1FAIpQLSfJIMbhIMyS8iJNmtBLsOPWwkC4tGsNZfz-NOYRa1Pri7oNqg/viewform
Altre informazioni
Il corso di formazione è destinato a start-up, PMI e partner del CDL e in generale a coloro che possiedono un'adeguata conoscenza del linguaggio di programmazione Python e della programmazione Object-Oriented. Inoltre, i partecipanti dovranno possedere conoscenze teoriche sull'elaborazione di immagini, sull'algebra (vettori, matrici etc) e sulle tecniche di Machine Learning o in alternativa dovranno aver seguito il seminario introduttivo sull'Intelligenza Artificiale e il Machine Learning.
Per partecipare è necessario disporre di un PC personale.