| Corsi di Laurea | Corsi di Laurea Magistrale | Corsi di Laurea Magistrale a Ciclo Unico |
| Scuola di Ingegneria | ||
| INGEGNERIA INFORMATICA | ||
Insegnamento
COMPUTER VISION - VISIONE COMPUTAZIONALE (Numerosita' canale 2)
INP6075837, A.A. 2017/18
Informazioni valide per gli studenti immatricolati nell'A.A. 2017/18
COMPUTER VISION - VISIONE COMPUTAZIONALE (Numerosita' canale 2)
INP6075837, A.A. 2017/18
Informazioni valide per gli studenti immatricolati nell'A.A. 2017/18
Principali informazioni sull'insegnamento
| Corso di studio |
Corso di laurea magistrale in INGEGNERIA INFORMATICA IN0521, ordinamento 2009/10, A.A. 2017/18 |
 porta questa pagina con te |
|---|---|---|
| Crediti formativi | 9.0 | |
| Tipo di valutazione | Voto | |
| Denominazione inglese | COMPUTER VISION | |
| Dipartimento di riferimento | Dipartimento di Ingegneria dell'Informazione (DEI) | |
| Obbligo di frequenza | No | |
| Lingua di erogazione | INGLESE | |
| Sede | PADOVA | |
| Corso singolo | È possibile iscriversi all'insegnamento come corso singolo | |
| Corso a libera scelta | È possibile utilizzare l'insegnamento come corso a libera scelta |
Docenti
| Responsabile | PIETRO ZANUTTIGH | ING-INF/03 |
|---|
Mutuante
| Codice | Insegnamento | Responsabile | Corso di studio |
|---|---|---|---|
| INP6075837 | COMPUTER VISION - VISIONE COMPUTAZIONALE (Numerosita' canale 2) | PIETRO ZANUTTIGH | IN2371 |
Dettaglio crediti formativi
| Tipologia | Ambito Disciplinare | Settore Scientifico-Disciplinare | Crediti |
|---|---|---|---|
| CARATTERIZZANTE | Ingegneria informatica | ING-INF/05 | 9.0 |
Organizzazione dell'insegnamento
| Periodo di erogazione | Secondo semestre |
|---|---|
| Anno di corso | I Anno |
| Modalità di erogazione | frontale |
| Tipo ore | Crediti | Ore di didattica assistita |
Ore Studio Individuale |
|---|---|---|---|
| LEZIONE | 9.0 | 72 | 153.0 |
| Inizio attività didattiche | 26/02/2018 |
|---|---|
| Fine attività didattiche | 01/06/2018 |
| Visualizza il calendario delle lezioni | Lezioni 2019/20 Ord.2009 |
Commissioni d'esame
| Commissione | Dal | Al | Membri |
|---|---|---|---|
| 3 A.A. 2018/2019 | 01/10/2018 | 15/03/2020 |
ZANUTTIGH
PIETRO
(Presidente)
GHIDONI STEFANO (Membro Effettivo) BADIA LEONARDO (Supplente) CALVAGNO GIANCARLO (Supplente) CORVAJA ROBERTO (Supplente) ERSEGHE TOMASO (Supplente) LAURENTI NICOLA (Supplente) MILANI SIMONE (Supplente) ROSSI MICHELE (Supplente) TOMASIN STEFANO (Supplente) ZANELLA ANDREA (Supplente) |
| 2 A.A. 2018/2019 | 01/10/2018 | 15/03/2020 |
GHIDONI
STEFANO
(Presidente)
ZANUTTIGH PIETRO (Membro Effettivo) MENEGATTI EMANUELE (Supplente) |
| 1 A.A. 2017/2018 | 01/10/2017 | 15/03/2019 |
ZANUTTIGH
PIETRO
(Presidente)
GHIDONI STEFANO (Membro Effettivo) CALVAGNO GIANCARLO (Supplente) ERSEGHE TOMASO (Supplente) MENEGATTI EMANUELE (Supplente) MILANI SIMONE (Supplente) TOMASIN STEFANO (Supplente) ZANELLA ANDREA (Supplente) |
| Prerequisiti: | |
| Conoscenze e abilita' da acquisire: | Il corso presenta i principi e gli strumenti di base della visone computazionale. Saranno acquisite le competenze di base per elaborare ed analizzare in modo automatico le immagini ed estrarne diversi tipi di informazione. Verranno inoltre forniti gli strumenti necessari per sviluppare applicazioni basate sulle metodologie presentate. Tali strumenti includono l’uso del linguaggio C++ e della libreria open source OpenCV. |
| Modalita' di esame: | Esame scritto, homeworks e tesina |
| Criteri di valutazione: | Lo studente dovrà dimostrare di aver acquisito le conoscenze di base teoriche del corso e dovrà dimostrare di saper applicare la teoria ad aspetti pratici della computer vision, anche attraverso lo sviluppo di un progetto software in C++ che affronti un tema risolvibile con gli strumenti presentati a lezione. Questo sarà valutato anche attraverso gli homework e il progetto finale. |
| Contenuti: | 1. La telecamera: sensori, ottiche e formazione delle immagini, colorimetria: sintesi additiva e sottrattiva, spazi colore, pattern di Bayer.
2. Geometria proiettiva, formazione delle immagini e pinhole camera model. 3. Calibrazione intrinseca ed estrinseca di una telecamera. 4. Algoritmi per l'elaborazione delle immagini, basso livello: filtri convoluzionali, filtro bilaterale, filtro mediano, istogrammi, analisi nel dominio di Fourier, operatori morfologici. 5. Elaborazione di medio livello: edge detection, blob detection, corner detection, trasformata di Hough, segmentazione: metodi basati su clustering, watershed, split and merge, region growing. 6. Image features: keypoint e descrittori. 7. Algoritmi di alto livello: template matching, object recognition. 8. Template C++: librerie e classi, esempi di librerie a template. 9. Richiami su gerarchie di classi ed ereditarietà. 10. Gestione dei dati per la computer vision, alcuni esempi con OpenCV. |
| Attivita' di apprendimento previste e metodologie di insegnamento: | Lezioni frontali e laboratori |
| Eventuali indicazioni sui materiali di studio: | Slides e altro materiale fornito dal docente |
| Testi di riferimento: |
|
