Corsi di Laurea Corsi di Laurea Magistrale Corsi di Laurea Magistrale
a Ciclo Unico
Scuola di Ingegneria
ICT FOR INTERNET AND MULTIMEDIA - INGEGNERIA PER LE COMUNICAZIONI MULTIMEDIALI E INTERNET
Insegnamento
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
ICT FOR INTERNET AND MULTIMEDIA - INGEGNERIA PER LE COMUNICAZIONI MULTIMEDIALI E INTERNET
IN2371, ordinamento 2017/18, A.A. 2017/18
N2cn2
porta questa
pagina con te
Curriculum Percorso Comune
Crediti formativi 9.0
Tipo di valutazione Voto
Denominazione inglese COMPUTER VISION
Dipartimento di riferimento Dipartimento di Ingegneria dell'Informazione (DEI)
Sito E-Learning https://elearning.dei.unipd.it/course/view.php?idnumber=2017-IN2371-000ZZ-2017-INP6075837-N2CN2
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

Mutuazioni
Codice Insegnamento Responsabile Corso di studio
INP6075837 COMPUTER VISION - VISIONE COMPUTAZIONALE (Numerosita' canale 2) PIETRO ZANUTTIGH IN0521
INP6075837 COMPUTER VISION - VISIONE COMPUTAZIONALE (Numerosita' canale 2) PIETRO ZANUTTIGH IN0527
INL1001836 ELABORAZIONE DI DATI TRIDIMENSIONALI (Numerosita' canale 2) PIETRO ZANUTTIGH IN0521

Dettaglio crediti formativi
Tipologia Ambito Disciplinare Settore Scientifico-Disciplinare Crediti
CARATTERIZZANTE Ingegneria delle telecomunicazioni ING-INF/03 9.0

Modalità di erogazione
Periodo di erogazione Secondo semestre
Anno di corso I Anno
Modalità di erogazione frontale

Organizzazione della didattica
Tipo ore Crediti Ore di
Corso
Ore Studio
Individuale
Turni
LEZIONE 9.0 72 153.0 Nessun turno

Calendario
Inizio attività didattiche 26/02/2018
Fine attività didattiche 01/06/2018

Commissioni d'esame
Commissione Dal Al Membri
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)

Syllabus
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:
  • Gonzalez, Rafael C.; Woods, Richard Eugene, Digital image processing. Upper Saddle River: Pearson Prentice Hall, 2010. Cerca nel catalogo
  • Szeliski, Richard, Computer visionalgorithms and applications. New York: Springer, 2011. Cerca nel catalogo
  • Klette, Reinhard, Concise Computer Vision. London: Springer, 2014. Cerca nel catalogo
  • Kaehler, Adrian, Bradski, Gary R., Learning OpenCV 3. --: O'Reilly Media, 2016. Cerca nel catalogo