Segmentazione basata su colore. Annalisa Franco
|
|
- Patrizia Manzoni
- 5 anni fa
- Visualizzazioni
Transcript
1 Segmentazione basata su colore Annalisa Franco
2 2 La segmentazione Scopo di questa esercitazione è l implementazione di tecniche di segmentazione basate sul colore, al fine di isolare le regioni di pelle presenti in un immagine. In particolare, data in input un immagine RGB, l algoritmo dovrà produrre in output un immagine grayscale (maschera) con valore 255 nei pixel di pelle e valore 0 altrimenti.
3 3 Segmentazione basata su range (1) Il paper [1] propone la seguente tecnica di segmentazione nello spazio YCbCr: Map x, y = 255, if (C b x, y R Cb ) (C r x, y R Cr ൯ 0, otherwise dove R Cb = [77, 127], R Cr = 133, 173 È necessaria una conversione dallo spazio RGB allo spazio YC b C r ; La segmentazione avviene esclusivamente sulla base dell informazione cromatica (canali C b e C r ). [1] D. Chai, and K.N. Ngan, Face segmentation using skin-color map in videophone applications, IEEE Trans. on Circuits and Systems for Video Technology, 9(4): , June 1999.
4 4 Segmentazione con Emgu CV Info utili: var imgpath ; var image = new Image<Bgr, byte>(imgpath); var imgycrcb = image.convert<ycc, Byte>(); Caricamento immagine RGB Conversione spazio YCbCr per altri spazi colore basta cambiare il tipo di codifica del colore Image<Gray, byte>[] channels = imgycrcb.split(); Image<Gray, byte> Y = channels[0]; Image<Gray, byte> Cr = channels[1]; Split dei canali Image<Gray, byte> Cb = channels[2]; L immagine multichannel viene rappresentata attraverso un array di immagini a singolo canale Attenzione all ordine dei canali!!!
5 5 Segmentazione basata su range (2) Image<Gray, byte> CrFilter = Cr.InRange(new Gray(133), new Gray(173)); Image<Gray, byte> CbFilter = Cb.InRange(new Gray(77), new Gray(127)); Selezione dei pixel nel range Il risultato è una maschera binaria per ciascun canale Copia dei pixel sulla base della maschera AND tra le due maschere CrFilter CbFilter Mask (.And) Image<Gray, byte> mask = CbFilter.And(CrFilter); ImageViewer.Show(mask, "Segmented image"); Image<Bgr, byte> chroma = new Image<Bgr, byte> (new Size(image.Width, image.height)); image.copy(chroma, mask); ImageViewer.Show(chroma, "Segmented image");
6 6 Segmentazione con classificatore L obiettivo è addestrare un classificatore ad individuare le regioni di pelle presenti all interno di un immagine. Per l addestramento del classificatore useremo per motivi di tempo una singola immagine con relativa maschera di segmentazione. Nel db fornito (UCDColour), le maschere hanno il seguente formato: Valore 255 in tutti e tre i canali per i pixel di background Il valore dell immagine originale nei pixel considerati pelle Utilizziamo la seguente convenzione: Classe 0 Pixel di backgound Classe 1 Pixel di pelle
7 7 Suggerimenti (1) Seguire lo scheletro fornito per l esercitazione (Console Application), completando le parti mancanti; i commenti presenti indicano le operazioni di compiere. Il metodo ExtractFeatures, a partire dall immagine in input img deve produrre in output una matrice Matrix<float> che contenga in ogni riga il feature vector associato a un pixel (valori di intensità dei diversi canali). Il metodo viene richiamato sia in fase di training, sia in fase di test; durante il training viene passata al metodo anche la maschera (nulla in caso di test). L applicazione prevede la possibilità di eseguire la segmentazione in tre spazi colore diversi (RGB, YCbCr, HSV). Sarà necessario pertanto trasformare le immagini di training e test nello spazio colore prescelto.
8 8 Suggerimenti (2) La libreria mette a disposizione diversi classificatori. Provare: NormalBayesClassifier - metodo Train per il training. SVM - metodo TrainAuto per il training (scelta automatica dei parametri ottimali). Il training set dev essere fornito al classificatore come oggetto di tipo TrainData. È possibile salvare (metodo.save) e caricare (metodo.load) i classificatori. Per la classificazione ciascun classificatore mette a disposizione il metodo Predict.
Classificazione di immagini aeree. Annalisa Franco
Classificazione di immagini aeree Annalisa Franco annalisa.franco@unibo.it http://bias.csr.unibo.it/vr/ 2 Classificazione di immagini aeree Scopo di questa esercitazione è l implementazione di una tecnica
DettagliSegmentazione di impronte digitali. Annalisa Franco
Segmentazione di impronte digitali Annalisa Franco annalisa.franco@unibo.it http://bias.csr.unibo.it/vr/ 2 La segmentazione Scopo di questa esercitazione è l implementazione di una tecnica di segmentazione
DettagliEsercitazione introduttiva. Annalisa Franco
Esercitazione introduttiva Annalisa Franco annalisa.franco@unibo.it http://bias.csr.unibo.it/vr/ 2 OpenCV e Emgu CV La libreria OpenCV (https://opencv.org/) è una libreria per Computer Vision totalmente
DettagliIntroduzione a Matlab
Introduzione a Matlab Skin Detection & Iris Normalization Fondamenti di Visione Artificiale a.a. 2015/2016 12/05/16 Estrazione dei Contorni 1 Skin Detection - Introduzione Il processo di skin detection
DettagliSegmentazione di immagini
Segmentazione di immagini È il processo di suddividere una immagine in un certo numero di regioni (insiemi di pixel) omogenee Ogni regione è omogenea rispetto ad alcune caratteristiche (livello di grigio,
DettagliSegmentazione automatica della carotide basata sulla classificazione dei pixel
Segmentazione automatica della carotide basata sulla classificazione dei pixel Samanta Rosati, Filippo Molinari, Gabriella Balestra Biolab, Dipartimento di Elettronica e Telecomunicazioni, Politecnico
DettagliImmagini e clustering
Immagini e clustering Alberto Borghese Università degli Studi di Milano Laboratorio di Sistemi Intelligenti Applicati (AIS-Lab) Dipartimento di Scienze dell Informazione borghese@dsi.unimi.it 1/24 http:\\homes.dsi.unimi.it\
DettagliSUPPORT VECTOR MACHINES. a practical guide
SUPPORT VECTOR MACHINES a practical guide 1 SUPPORT VECTOR MACHINES Consideriamo un problema di classificazione binaria, a partire da uno spazio di input X R n e uno spazio di output Y = { 1, 1} Training
DettagliL2 Elaborazione di immagini in C/C++
L2 Elaborazione di immagini in C/C++ Corso di Visione Artificiale Ing. Luca Mazzei AA 2009/2010 Visione Artificiale 2 Formato immagini Utilizziamo il formato PGM PPM P4 = PBM P5 = PGM P6 = PPM P5 320 240
DettagliEstrazione di feature locali per il riconoscimento del volto
Estrazione di feature locali per il riconoscimento del volto Simone Buoncompagni Università di Bologna (sede di Cesena) Facoltà di Scienze Matematiche, Fisiche e Naturali Laurea Magistrale in Scienze e
DettagliTecniche di riconoscimento statistico
On AIR s.r.l. Tecniche di riconoscimento statistico Applicazioni alla lettura automatica di testi (OCR) Parte 10 Combinazione di classificatori Ennio Ottaviani On AIR srl ennio.ottaviani@onairweb.com http://www.onairweb.com/corsopr
DettagliROBOTICA E ANIMAZIONE DIGITALE LABORATORIO -VISIONE - Prof. N. Alberto Borghese
ROBOTICA E ANIMAZIONE DIGITALE LABORATORIO -VISIONE - Dott. Paolo Tirelli Prof. N. Alberto Borghese Dott. Paolo Tirelli Prof. N. Alberto Borgh hese AIBO CAMERA (1/2) Specifiche: Tecnologia CMOS Risoluzione:
DettagliSegmentazione di immagini in scala di grigio basata su clustering
Segmentazione di immagini in scala di grigio basata su clustering Davide Anastasia, Nicola Cogotti 24 gennaio 06 1 Analisi del problema La segmentazione di immagini consiste nella suddivisione in un certo
DettagliVideo Analysis (cenni) Annalisa Franco
1 Video Analysis (cenni) Annalisa Franco annalisa.franco@unibo.it http://bias.csr.unibo.it/vr/ 2 Visual motion Un video è una sequenza di frame catturati nel corso del tempo Il valori dell immagine sono
DettagliEsercitazione 8: Spazi Colore
Laboratorio di Immagini Esercitazione 8: Spazi Colore Sir. Mauro Zucchelli 19/05/2016 Colori RGB In MATLAB di default quando viene letta un immagine a colori viene caricata nello spazio RGB Red Green Blue
DettagliImage Elaboration. Image Processing
Image Elaboration Immagine digitale Un immagine digitale può essere rappresentata come una matrice con un prefissato numero di righe e colonne che ne determinano la risoluzione (campionamento). L'unità
DettagliINTRODUZIONE ALLA PROGRAMMAZIONE
INTRODUZIONE ALLA PROGRAMMAZIONE Prof. Enrico Terrone A. S: 2008/09 Definizioni Programmare significa risolvere problemi col computer, cioè far risolvere problemi al computer attraverso un insieme di informazioni
DettagliFondamenti di Elaborazione di Immagini Morfologia Matematica. Raffaele Cappelli
Fondamenti di Elaborazione di Immagini Morfologia Matematica Raffaele Cappelli raffaele.cappelli@unibo.it Contenuti Introduzione alla morfologia matematica Notazione e concetti di base Gli operatori di
DettagliIntroduzione alla libreria di classi BioLab. Raffaele Cappelli
Introduzione alla libreria di classi BioLab Raffaele Cappelli raffaele.cappelli@unibo.it Contenuti Introduzione Dati Classe Data Immagini Algoritmi Interfaccia IAlgorithm Attributi, eventi ed eccezioni
DettagliImmagini digitali. Annalisa Franco
Immagini digitali Annalisa Franco annalisa.franco@unibo.it http://bias.csr.unibo.it/vr/ 2 Formazione dell immagine Immagine tratta dal testo Digital Image Processing (Gonzalez, Woods). Immagini Un immagine
DettagliConfronto tra due algoritmi di machine learning, Random Forest e Support Vector Machine, applicati al telerilevamento da drone
Confronto tra due algoritmi di machine learning, Random Forest e Support Vector Machine, applicati al telerilevamento da drone AIT - ENEA 11 WORKSHOP TEMATICO Osservazione della Terra: Georisorse, Risorse
DettagliClassificazione Mario Guarracino Data Mining a.a. 2010/2011
Classificazione Mario Guarracino Data Mining a.a. 2010/2011 Introduzione I modelli di classificazione si collocano tra i metodi di apprendimento supervisionato e si rivolgono alla predizione di un attributo
DettagliIntroduzione al linguaggio C Primi programmi
Introduzione al linguaggio C Primi programmi Violetta Lonati Università degli studi di Milano Dipartimento di Scienze dell Informazione Laboratorio di algoritmi e strutture dati Corso di laurea in Informatica
DettagliFuzzy image segmentation
Fuzzy image segmentation G. Castellano 1 Segmentazione di immagini La descrizione per pixel di una immagine è troppo complessa per essere utile in applicazioni pratiche Il primo passo per ottenere una
DettagliProva di Laboratorio del [ Corso A-B di Programmazione (A.A. 2004/05) Esempio: Media Modalità di consegna:
Prova di Laboratorio del 12.1.2005 [durata 90 min.] Corso A-B di Programmazione (A.A. 2004/05) 1. Leggere da tastiera un insieme di numeri interi ed inserirli in un vettore A 2. Calcolare tramite una funzione
DettagliLe immagini sono array. I diversi elemen2 dell array descrivono i valori dei diversi pixel.
Immagini Le immagini sono array. I diversi elemen2 dell array descrivono i valori dei diversi pixel. Le immagini possono essere: Logiche a 8 bit (uint8) a 16 bit (uint16) double, 64 bit (default) Le immagini
DettagliPreprocessing. Corso di AA, anno 2017/18, Padova. Fabio Aiolli. 27 Novembre Fabio Aiolli Preprocessing 27 Novembre / 14
Preprocessing Corso di AA, anno 2017/18, Padova Fabio Aiolli 27 Novembre 2017 Fabio Aiolli Preprocessing 27 Novembre 2017 1 / 14 Pipeline di Apprendimento Supervisionato Analisi del problema Raccolta,
DettagliEsercitazione n 2. Obiettivi
Esercitazione n 2 Obiettivi Progettazione di una applicazione Java Utilizzo di classi come schemi Utilizzo di costruttori Utilizzo di stringhe/array Uguaglianza tra oggetti Utilizzo di classi come componenti
DettagliIntroduzione alla compilazione ed esecuzione di programmi C con IDE Dev-C++
Introduzione alla compilazione ed esecuzione di programmi C con IDE Dev-C++ Università degli Studi di Brescia Elementi di Informatica e Programmazione Università di Brescia 1 Sviluppo di un programma C
DettagliInformatica per Statistica Riassunto della lezione del 21/10/2011
Informatica per Statistica Riassunto della lezione del 1/10/011 Igor Melatti Costrutti del linguaggio C: ripasso Si consideri il programma C alla Figura 1 ci sono due dichiarazioni di funzioni, insertion
DettagliFondamenti di Informatica
Fondamenti di Informatica rogrammazione in MATLAB Gestione File Grafici E s e rc i t a z i o n e e r C a s a 2 r o f. R a f f a e l e i z zo l a n t e A. A. 2 0 1 6 / 1 7 M unteggio 5 3 2 4 7 3 3 2 1 9
DettagliApprendimento Automatico Esercitazione 15/04/2009 Prof. Roberto Navigli
Apprendimento Automatico Esercitazione 15/04/2009 Prof. Roberto Navigli Esercizio 1 Si vuole apprendere un classificatore Naive Bayes per le interrogazioni di un motore di ricerca. Ogni interrogazione
DettagliLe immagini sono array. I diversi elemen2 dell array descrivono i valori dei diversi pixel.
Immagini Le immagini sono array. I diversi elemen2 dell array descrivono i valori dei diversi pixel. Le immagini possono essere: Logiche a 8 bit (uint8) a 16 bit (uint16) double, 64 bit (default) Le immagini
DettagliEstrazione di feature: segmentazione. Annalisa Franco
Estrazione di feature: segmentazione Annalisa Franco annalisa.franco@unibo.it http://bias.csr.unibo.it/vr/ 2 Estrazione delle Caratteristiche L approccio statistico richiede il mapping di un pattern in
DettagliL'Informazione e la sua Codifica. Maurizio Palesi
L'Informazione e la sua Codifica Maurizio Palesi 1 Obiettivo Il calcolatore è una macchina digitale Il suo linguaggio è composto da due soli simboli Gli esseri umani sono abituati a comunicare utlizzando
DettagliCOMPUTER VISION: VERSO UN RICONOSCIMENTO AUTOMATICO DEI GESTI COMUNICATIVI
POLITECNICO DI BARI CORSO DI LAUREA IN INGEGNERIA INFORMATICA TESI DI LAUREA IN SISTEMI PER LA PROGETTAZIONE AUTOMATICA COMPUTER VISION: VERSO UN RICONOSCIMENTO AUTOMATICO DEI GESTI COMUNICATIVI Relatore:
DettagliIIS Via Silvestri ITIS Volta Programma svolto di Tecnologie Informatiche A.S. 2016/17 Classe 1 B
IIS Via Silvestri ITIS Volta Programma svolto di Tecnologie Informatiche A.S. 2016/17 Classe 1 B Modulo n 1 - Concetti informatici di base 1.1 Introduzione allo studio del computer 1.2 Rappresentazione
DettagliIndice Introduzione I fondamenti di C#
Indice Introduzione XV Capitolo 1 I fondamenti di C# 1 1.1 L albero genealogico di C# 2 C: l inizio dell era moderna della programmazione 2 La creazione di OOP e C++ 3 La nascita di Internet e Java 4 La
DettagliSegmentazione mediante ricerca di forme. Paola Campadelli
Segmentazione mediante ricerca di forme Paola Campadelli Segmentazione mediante ricerca di forme Template deformabili (Yuille et al. 92) Contorni deformabili (Kaas et al. 87) GVF Snakes (Xu et al. 98)
Dettagli1.1. Analisi di tessitura di dati telerilevati ad alta risoluzione spaziale
Dott. FEDERIO US RELZIONE SULL'TTIVIT' E LE RIERHE SVOLTE LL ONLUSIONE DEL PRIMO NNO DEL XVIII ILO DEL ORSO DI DOTTORTO DI RIER IN SIENZE E INGEGNERI DELLO SPZIO 1. TEMTIHE DI RIER La principale tematica
DettagliCorso di Laurea Specialistica in Ingegneria Informatica. Correlatore: Ing. Andrea Claudi
Corso di Laurea Specialistica in Ingegneria Informatica Candidato: Gianluca Dolcini Relatore: Prof. Aldo Franco Dragoni Correlatore: Ing. Andrea Claudi Scenario: identificazione di volti per monitoraggio
DettagliProgetto Web Math. prof. Roberto Fuligni. Istituto Tecnico Tecnologico Giacomo Fauser - Novara
Progetto Web Math prof. Roberto Fuligni Istituto Tecnico Tecnologico Giacomo Fauser - Novara Web Math Applicazione di rete per la rappresentazione grafica di funzioni matematiche Architettura client/server
DettagliPrimi programmi in C
Università degli studi di Milano Dipartimento di Scienze dell Informazione Laboratorio di algoritmi e strutture dati Corso di laurea in Informatica In breve Uso del compilatore gcc Struttura di un programma
DettagliArchitettura del computer e Sistema operativo. Nozioni di base per l'uso di un PC connesso ad Internet;
Programma del corso Nozioni di base sui sistemi operativi; Architettura del computer e Sistema operativo Reti e Web Nozioni di base per l'uso di un PC connesso ad Internet; Nozioni di base sugli strumenti
DettagliCOGNOME E NOME (IN STAMPATELLO) MATRICOLA
Politecnico di Milano Facoltà di Ingegneria dell Informazione Informatica 3 Proff. Campi, Ghezzi, Matera e Morzenti Seconda prova in itinere 4 Luglio 2006 COGNOME E NOME (IN STAMPATELLO) MATRICOLA Risolvere
Dettagli2. Finalità generali previste dalle indicazioni nazionali
2. Finalità generali previste dalle indicazioni nazionali Le Linee Guida ministeriali per i curricola del Secondo biennio dell Istituto Tecnico Tecnologico, Indirizzo Informatica e Telecomunicazioni -
DettagliRiconoscimento automatico di oggetti (Pattern Recognition)
Riconoscimento automatico di oggetti (Pattern Recognition) Scopo: definire un sistema per riconoscere automaticamente un oggetto data la descrizione di un oggetto che può appartenere ad una tra N classi
DettagliLa codifica e l analisi aggregata dei dati
La codifica e l analisi aggregata dei dati SEMINARIO SULLA IN-DEPTH INVESTIGATION ASTRAL, 03/05/2018 D S Usami, M Robibaro, M Seri Fare clic per modificare lo stile del Sommario titolo a. Il SIDAI sistema
DettagliUniversità degli Studi della Calabria
Università degli Studi della Calabria Facoltà di Scienze Politiche CORSO DI FONDAMENTI DI INFORMATICA I A.A 2007/2008 Docente : Ing. Francesco Folino 1 INFORMAZIONI UTILI 2 Docente: Ing. Francesco Folino
DettagliOperazioni puntuali. Tipi di elaborazioni Operatori puntuali Look Up Table Istogramma
Tipi di elaborazioni Operatori puntuali Look Up Table Istogramma Analisi di Basso Livello In ingresso abbiamo le immagini provenienti dai sensori. In uscita si hanno un insieme di matrici ognuna delle
DettagliImpiego della concept analisys nella classificazione di pagine web ai fini del reverse engineering
tesi di laurea Impiego della concept analisys nella classificazione di pagine web ai fini del reverse engineering Anno Accademico 2005/2006 relatore Ch.ma prof. Anna Rita Fasolino correlatore Ch.mo prof.
DettagliCenni di fotogrammetria LE IMMAGINI DIGITALI
Cenni di fotogrammetria LE IMMAGINI DIGITALI Hardcopy fotogrammetry: è la fotogrammetria che usa immagini di tipo analogico Softcopy fotogrammetry: è la fotogrammetria che usa immagini di tipo digitale
Dettagli$$%&' ( ' $ % Modulo 2 SISTEMI DI TELERILEVAMENTO E TECNICHE DI TRATTAMENTO IMMAGINI. Università della Basilicata
Modulo 2 SISTEMI DI TELERILEVAMENTO E TECNICHE DI TRATTAMENTO IMMAGINI DATI Cartella di lavoro: Desktop/CorsoAIB/Eserc_Modulo2 Dati presenti: immagine LANDSAT - TM (27_giu_1998_TM.pix) immagini NOAA-AVHRR
DettagliCompressione lossless di immagini composite
Compressione lossless di immagini composite Corso di Compressione Dati Sistemi Multimediali Compressi Compression Team Prof. Bruno Carpentieri A.A. 2007/2008 Overview Introduzione Analisi del problema
DettagliSOMMARIO. Introduzione
02-Sommario_FLCS3.qxd 18-11-2009 11:48 Pagina V Introduzione 1 Reperire e installare Flash CS3 1 Verificare i requisiti del tuo computer 2 Requisiti di sistema per creare filmati Flash 2 Reperire Flash
DettagliFondamenti di informatica T-1 (A K) Esercitazione 3: assegnamento e variabili
Fondamenti di informatica T-1 (A K) Esercitazione 3: assegnamento e variabili A.A. 2018/2019 Tutor Lorenzo Rosa lorenzo.rosa@unibo.it 2 Esercitazione 3 Introduzione al calcolatore e Java Linguaggio Java,
DettagliCenni di fotogrammetria LE IMMAGINI DIGITALI
Cenni di fotogrammetria LE IMMAGINI DIGITALI Hardcopy fotogrammetry: è la fotogrammetria che usa immagini di tipo analogico Softcopyfotogrammetry: è la fotogrammetria che usa immagini di tipo digitale
DettagliFondamenti di Elaborazione di Immagini Topologia Digitale. Raffaele Cappelli
Fondamenti di Elaborazione di Immagini Topologia Digitale Raffaele Cappelli raffaele.cappelli@unibo.it Contenuti Metriche e distanze Trasformata distanza Contorno di un oggetto Etichettatura delle componenti
DettagliIntelligenza Artificiale Complementi ed Esercizi
Intelligenza Artificiale Complementi ed Esercizi Reti Neurali AA 2013-2014 Il riconoscimento dei caratteri scritti a mano Handwritten Recognition Il problema Data una cifra scritta a mano, riconoscere
DettagliAcquisizione dei dati: ritaglio per il multiscala.
Corso di Aggiornamento in DB Topografici Acquisizione dei dati: ritaglio per il multiscala. Claudio Rocchini Istituto Geografico Militare Sequenza di Operazioni 1. Conversione (eventuale) in formato shape.
DettagliEsercizi di introduzione alla programmazione
Esercizi di introduzione alla programmazione Federico Reghenzani Informatica ed Elementi di Informatica Medica 2017-18 1 Esercizi di codifica 1.1 Conversione da base 10 a un altra base Trovare x: 203 10
DettagliFondamenti di informatica 2 Claudio Biancalana. Esercitazione capitolo 19 Array
Fondamenti di informatica 2 Claudio Biancalana Esercitazione capitolo 19 Array Contatti claudio.biancalana@dia.uniroma3.it Contenuto esercitazione Ricerca sequenziale Progettazione e Divide et Impera 2
DettagliUniversità degli studi di Catania Corso di Laurea in Informatica COMPUTER FORENSICS 2010/2011. Prof. S.Battiato. Relazione del progetto:
Università degli studi di Catania Corso di Laurea in Informatica COMPUTER FORENSICS 2010/2011 Prof. S.Battiato Relazione del progetto: Estensione del software ImageJ con un plugin che implementa l equalizzazione
DettagliIntegrazione tra simulazione numerica e dati reali in procedure automatiche di collaudo
Integrazione tra simulazione numerica e dati reali in procedure automatiche di collaudo Multisim Connectivity Toolkit Studente: Moreno Favaro mtr:545282 Relatore: Ch.mo prof. A. Sona Università degli studi
DettagliINFORMATICA A. Titolo presentazione sottotitolo. Laboratorio n 5 Dott. Michele Zanella Ing. Gian Enrico Conti
INFORMATICA A Titolo presentazione sottotitolo A.A. 2018-19 Milano, XX mese 20XX Laboratorio n 5 Dott. Michele Zanella Ing. Gian Enrico Conti File I/O I file rappresentano una sequenza di byte, siano essi
DettagliJavascript. - Corso Web Design - Media Dream Academy. Stefano Gaborin
Javascript - Corso Web Design - Media Dream Academy Stefano Gaborin stefano.gaborin@above.company www.above.company Cos è Javascript? JavaScript è un linguaggio di programmazione interpretato. Utilizzato
DettagliLab 1 Info B. Marco D. Santambrogio Riccardo Cattaneo Ver. aggiornata al 12 O0obre 2013
Lab 1 Info B Marco D. Santambrogio marco.santambrogio@polimi.it Riccardo Cattaneo cattaneo@elet.polimi.it Ver. aggiornata al 12 O0obre 2013 Obiettivi Imparare ad usare l ambiente di sviluppo Cosa è e come
DettagliDocente : Carla BIASCA, Loris RUGGERI
ISTITUTO DI ISTRUZIONE SUPERIORE J.C. MAXWELL Data: 30 maggio 2016 Pag. 1 di 5 Materia: TECNOLOGIE INFORMATICHE Docente : Carla BIASCA, Loris RUGGERI Classe : 1BI Terminologia specifica nel contesto dell'informatica
DettagliLinguaggio macchina. 3 tipi di istruzioni macchina. Istruzioni per trasferimento dati. Istruzioni logico/aritmetiche
3 tipi di istruzioni macchina Linguaggio macchina e assembler 1) trasferimento tra RAM e registri di calcolo della CPU 2) operazioni aritmetiche: somma, differenza, moltiplicazione e divisione 3) operazioni
DettagliCODICI CONVOLUZIONALI PUNTURATI
Con un unico decodificatore si possono ottenere vari tassi. Partendo da un unico codice convoluzionale madre di tasso 1/2, si ottiene un insieme di codici convoluzionali di tasso k/n, con k>1. Vantaggi:
DettagliCorso di Informatica di Base
Corso di Informatica di Base A.A. 2011/2012 Algoritmi e diagrammi di flusso Luca Tornatore Cos è l informatica? Calcolatore: esecutore di ordini o automa Programma: insieme di istruzioni che possono essere
DettagliFondamenti di Informatica
Fondamenti di nformatica Strutture Selettive, terative, Gestione File e Grafici in MATLAB: Esercitazione 6 Prof. Arcangelo Castiglione A.A. 2016/17 ncasso Orario 8 10 5 n questa esercitazione verranno
DettagliFILE BINARI. 8QILOHELQDULRqXQDVHTXHQ]DGLE\WH
FILE BINARI 8QILOHELQDULRqXQDSXUDVHTXHQ]DGLE\WH VHQ]DDOFXQDVWUXWWXUD]LRQHSDUWLFRODUH ÊXQDVWUD]LRQHGLPHPRUL]]D]LRQHDVVROX WDPHQWHJHQHUDOHXVDELOHSHUPHPRUL]]D UHVXILOHLQIRUPD]LRQLGLTXDOVLDVLQDWXUD IRWRJUDILHGHOODPHPRULD
DettagliFondamenti di Informatica
Fondamenti di nformatica Esercitazione 14 Model lazione e Risoluzione di Problemi mediante MALAB Prof. Arcangelo Castiglione A.A. 2017/18 tipo_ n questa esercitazione verrà utilizzata una matrice P, una
DettagliQUANTIZZATORE VETTORIALE
QUANTIZZATORE VETTORIALE Introduzione Nel campo delle reti neurali, la scelta del numero di nodi nascosti da usare per un determinato compito non è sempre semplice. Per tale scelta potrebbe venirci in
DettagliFondamenti di Informatica Ing. Biomedica
Fondamenti di Informatica Ing. Biomedica Esercitazione n.9 Stringhe & Algoritmi di ordinamento Antonio Arena antonio.arena@ing.unipi.it Stringhe Fondamenti di Informatica - Esercitazione n.9 2 In C++ non
DettagliGESTIONE DEGLI ERRORI
GESTIONE DEGLI ERRORI Spesso vi sono istruzioni critiche, che in certi casi possono produrre errori L approccio classico consiste nell inserire controlli (if else..) per cercare di intercettare a priori
DettagliFondamenti di Informatica 1. Prof. B.Buttarazzi A.A. 2010/2011
Fondamenti di Informatica 1 Prof. B.Buttarazzi A.A. 2010/2011 Sommario API di Java Istruzione di scrittura Istruzione di lettura 21/03/2011 2 API di Java Java è un linguaggio orientato agli oggetti basato
DettagliPag. 1. La formalizzazione dell informazione: Dati e Diagrammi di Flusso. Codifica degli algoritmi
1 Università degli studi di Parma Dipartimento di Ingegneria dell Informazione Informatica a.a. 2012/13 Informatica Facoltà di Medicina Veterinaria a.a. 2012/13 prof. Stefano Cagnoni La formalizzazione
DettagliIntroduzione al Linguaggio C
INFORMATICA 1 Lezione 3 (Introduzione al Linguaggio C, Introduzione ai Tipi di dato, Cenni alla codifica binaria) Introduzione al Linguaggio C 1 Passi fondamentali del C Definito nel 1972 (AT&T Bell Labs)
DettagliComputazione per l interazione naturale: classificazione probabilistica
Computazione per l interazione naturale: classificazione probabilistica Corso di Interazione Naturale Prof. Giuseppe Boccignone Dipartimento di Informatica Università di Milano boccignone@di.unimi.it boccignone.di.unimi.it/in_2016.html
DettagliAIBO Sony Introduzione alla gestione delle immagini
AIBO Sony Introduzione alla gestione delle immagini Laura D Angelo e Igor Colombo Laboratory of Applied Intelligent Systems (AIS-Lab) Versione 1.3 14 th December 2004 1 Sommario Il documento si propone
DettagliF. Milotta Ph.D. Student
F. Milotta Ph.D. Student milotta@dmi.unict.it Le immagini digitali Rappresentazione delle immagini digitali Luce incidente e luce riflessa Immagini vettoriali e raster Operazioni affini sulle immagini
DettagliPremessa. Input /output e gestione dei file. I file e gli stream. Il puntatore al file. 21. I FILE NEL LINGUAGGIO C Versione 1.
Input /output e gestione dei file Premessa Iniziamo la lezione dicendo subito che per INPUT/OUTPUT si intende l insieme delle operazioni di ingresso ed uscita, ossia lo scambio di informazioni tra il programma
DettagliRiconoscimento e proiezione di oggetti su un ambiente virtuale
Relazione Progetto Sistemi Intelligenti anno 2012/2013 Riconoscimento e proiezione di oggetti su un ambiente virtuale Miguel Rosales, Laura Musica 1. Introduzione Lo sviluppo della tecnologia Microsoft
DettagliNaïve Bayesian Classification
Naïve Bayesian Classification Di Alessandro rezzani Sommario Naïve Bayesian Classification (o classificazione Bayesiana)... 1 L algoritmo... 2 Naive Bayes in R... 5 Esempio 1... 5 Esempio 2... 5 L algoritmo
DettagliFondamenti di Informatica
Fondamenti di nformatica Strutture Selettive, terative, Gestione File e Grafici in MALAB: Esercizi (eatro) Prof. Arcangelo Castiglione A.A. 2016/17 tipo_ n questa esercitazione verranno utilizzate una
DettagliFondamenti di Informatica
Fondamenti di nformatica Strutture Selettive, terative, Gestione File e Grafici in MALAB: Esercizi (eatro) Prof. Arcangelo Castiglione A.A. 2016/17 n questa esercitazione verranno utilizzate una matrice
DettagliFondamenti di Informatica
Fondamenti di Informatica Programmazione in MATLAB Gestione File Grafici E s e rc i t a z i o n i Pe r C a s a P r o f. R a f f a e l e P i z zo l a n t e A. A. 2 0 1 6 / 1 7 Esercitazioni per Casa Indice
DettagliProf. Pagani Corrado INTRODUZIONE AL LINGUAGGIO C
Prof. Pagani Corrado INTRODUZIONE AL LINGUAGGIO C IL LINGUAGGIO C Nel 1972 Dennis Ritchie nei Bell Laboratories progettò il linguaggio C Il linguaggio possiede tutti i costrutti di controllo dei linguaggi
DettagliEsercitazione n 2. Obiettivi
Esercitazione n 2 Obiettivi Progettazione di una applicazione Java Utilizzo di classi come schemi Utilizzo di costruttori Utilizzo di stringhe Uguaglianza tra oggetti Utilizzo di classi come componenti
DettagliFondamenti di Informatica
Fondamenti di Informatica (L-Z) Corso di Laurea in Ingegneria Gestionale Introduzione alla Programmazione Prof. Stefano Mariani Dott. Alket Cecaj Indice Il concetto di algoritmo Algoritmo vs. programma
DettagliProgetto e ottimizzazione di reti 2
Progetto e ottimizzazione di reti 2 Esercitazione AMPL A.A. 2009-2010 Esercitazione a cura di Silvia Canale contatto e-mail: canale@dis.uniroma1.it Università di Roma La Sapienza Dipartimento di Informatica
DettagliProf. Pagani Corrado ALGORITMI ESERCITAZIONI ARRAY
Prof. Pagani Corrado ALGORITMI ESERCITAZIONI ARRAY ESERCIZI ARRAY 1 1. Dato un vettore composto da 10 numeri interi (assegnati direttamente da codice o letti da tastiera) determinare somma e media. 2.
DettagliIntroduzione alla Programmazione in C#
Introduzione alla Programmazione in C# con approccio Object-First + Project-Driven Per cominciare si pensa ad un programma che calcoli il volume di una sfera. Innanzitutto si pensa ai moduli componenti
DettagliRappresentazione dei numeri naturali. La codifica associa alle informazioni dell alfabeto sorgente uno o più simboli dell alfabeto codice:
Rappresentazione dei numeri naturali La codifica associa alle informazioni dell alfabeto sorgente uno o più simboli dell alfabeto codice: 1 I 0001 / 2 II 0010 // 3 III 0011 /// 4 IV 0100 //// 5 V 0101
DettagliFondamenti di Informatica T-1
Fondamenti di Informatica T-1 Stringhe e Istruzioni di selezione Tutor: Angelo Feraudo angelo.feraudo2@unibo.it a.a. 2018/2019 Fondamenti di Informatica T-1 Angelo Feraudo 1 / 24 STRINGHE: Definizione
Dettagli