Marco CristaniTeorie e Tecniche del Riconoscimento1 Notizie preliminari Introduzione Facoltà di Scienze MM. FF. NN. Università di Verona A.A. 2013-14.

Presentazione sul tema: "Marco CristaniTeorie e Tecniche del Riconoscimento1 Notizie preliminari Introduzione Facoltà di Scienze MM. FF. NN. Università di Verona A.A. 2013-14."— Transcript della presentazione:

1 Marco CristaniTeorie e Tecniche del Riconoscimento1 Notizie preliminari Introduzione Facoltà di Scienze MM. FF. NN. Università di Verona A.A. 2013-14

2 Marco Cristani Teorie e Tecniche del Riconoscimento2 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)

3 Marco CristaniTeorie e Tecniche del Riconoscimento3 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.

4 Marco CristaniTeorie e Tecniche del Riconoscimento4 Informazioni generali Laboratorio di riferimento: VIPS (Vision, Image Processing & Sound), CV2, piano -2. Info: http://vips.sci.univr.it

5 Marco CristaniTeorie e Tecniche del Riconoscimento5 Modalità di esame Esame con progetto + orale

6 Marco CristaniTeorie e Tecniche del Riconoscimento6 Obiettivi del corso

7 Marco CristaniTeorie e Tecniche del Riconoscimento7 Contenuti del corso Introduzione: cosè, 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 Fondamenti teorici e metodi principali relativi allanalisi di dati, non necessariamente immagini – Classificazione statistica.

8 Marco CristaniTeorie e Tecniche del Riconoscimento8 Metodi generativi e discriminativi Metodi Kernel e Support Vector Machines Hidden Markov Models Pattern recognition per l'analisi ed il riconoscimento in immagini e videoPattern recognition per l'analisi ed il riconoscimento in immagini e video Metodi di classificazione non supervisionata (clustering)Metodi di classificazione non supervisionata (clustering) Contenuti del corso