1 / 8

Teorie e Tecniche del Riconoscimento

Facoltà di Scienze MM. FF. NN. Università di Verona A.A. 2013-14. Teorie e Tecniche del Riconoscimento. Notizie preliminari Introduzione. Il docente. Prof. Marco Cristani Dipartimento di Informatica Ca’ Vignal 2, I piano, studio n. 47 (ala est) email: marco.cristani@univr.it

Download Presentation

Teorie e Tecniche del Riconoscimento

An Image/Link below is provided (as is) to download presentation Download Policy: Content on the Website is provided to you AS IS for your information and personal use and may not be sold / licensed / shared on other websites without getting consent from its author. Content is provided to you AS IS for your information and personal use only. Download presentation by click this link. While downloading, if for some reason you are not able to download a presentation, the publisher may have deleted the file from their server. During download, if you can't get a presentation, the file might be deleted by the publisher.

E N D

Presentation Transcript


  1. Facoltà di Scienze MM. FF. NN. Università di Verona A.A. 2013-14 Teorie e Tecniche del Riconoscimento Notizie preliminari Introduzione Teorie e Tecniche del Riconoscimento

  2. Il docente • Prof. Marco Cristani • Dipartimento di Informatica Ca’ Vignal 2, I piano, studio n. 47 (ala est) email: marco.cristani@univr.it WWW: http://www.sci.univr.it/~cristanm Telefono: 045 802 7988 • Ricevimento presso lo studio: • Mercoledi, ore 9.30 - 11.30 (previo appuntamento) Teorie e Tecniche del Riconoscimento

  3. Informazioni generali • Corso teorico e pratico: esercitazioni con MATLAB in laboratorio Alfa. • Materiale didattico: • lucidi del corso (italiano/inglese), • libri di testo • 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. Teorie e Tecniche del Riconoscimento

  4. Informazioni generali • Laboratorio di riferimento: VIPS (Vision, Image Processing & Sound), CV2, piano -2. Info: http://vips.sci.univr.it Teorie e Tecniche del Riconoscimento

  5. Modalità di esame • Esame con progetto + orale Teorie e Tecniche del Riconoscimento

  6. Obiettivi del corso Teorie e Tecniche del Riconoscimento

  7. Contenuti del corso Fondamenti teorici e metodi principali relativi all’analisi di dati, non necessariamente immagini – Classificazione statistica. • Introduzione: cos’è, a cosa serve, sistemi, applicazioni • Teoria della decisione di Bayes • Stima dei parametri e metodi non parametrici • Classificatori lineari, non lineari e funzioni discriminanti • Trasformazioni lineari e metodo di Fisher, estrazione e selezione delle feature, Principal Component Analysis • Misture di Gaussiane e algoritmo Expectation-Maximization Teorie e Tecniche del Riconoscimento

  8. Contenuti del corso • Metodigenerativi e discriminativi • Metodi Kernel e Support Vector Machines • Hidden Markov Models • Pattern recognition per l'analisi ed il riconoscimento in immagini e video • Metodi di classificazione non supervisionata (clustering) Teorie e Tecniche del Riconoscimento

More Related