MovieShot Motore Di Ricerca Per Film Basato Sul Riconoscimento Della Locandina

Dimensione: px
Iniziare la visualizzazioe della pagina:

Download "MovieShot Motore Di Ricerca Per Film Basato Sul Riconoscimento Della Locandina"

Transcript

1 MovieShot Motore Di Ricerca Per Film Basato Sul Riconoscimento Della Locandina Giorgio Iacoboni Matricola Anno Accademico 2010/2011

2 Outline Introduzione Image Matching Architettura di MovieShot Benchmark Conclusioni Lavori Futuri DEMO MovieShot Outline Pagina 2

3 Introduzione MovieShot è un software in grado di ottenere informazioni su un film a partire da una foto della sua locandina. L utente scatta una foto utilizzando l applicazione mobile e in pochi istanti ottiene tutte le informazioni sul film in questione, come titolo, regia, attori, ecc. MovieShot Introduzione Pagina 3

4 Introduzione MovieShot è un software in grado di ottenere informazioni su un film a partire da una foto della sua locandina. L utente scatta una foto utilizzando l applicazione mobile e in pochi istanti ottiene tutte le informazioni sul film in questione, come titolo, regia, attori, ecc. Come capire il titolo del film avendo a disposizione solo l immagine della locandina? MovieShot Introduzione Pagina 4

5 Image Matching Definizione: Due possibili metodologie per l implementazione di Sim(x,y): Approccio globale (esempio: Libpuzzle) Approccio locale (esempio: Scale-Invariant Feature Transform) MovieShot Image Matching Pagina 5

6 Approccio globale: Libpuzzle Il metodo si basa sull'analisi della luminosità di determinate regioni dell'immagine e calcola una firma confrontando la luminosità di regioni adiacenti. MovieShot Image Matching - Libpuzzle Pagina 6

7 Approccio globale: Libpuzzle Il metodo si basa sull'analisi della luminosità di determinate regioni dell'immagine e calcola una firma confrontando la luminosità di regioni adiacenti. 1.L'immagine viene convertita in scala di grigi. MovieShot Image Matching - Libpuzzle Pagina 7

8 Approccio globale: Libpuzzle Il metodo si basa sull'analisi della luminosità di determinate regioni dell'immagine e calcola una firma confrontando la luminosità di regioni adiacenti. 1.L'immagine viene convertita in scala di grigi. 2.Per ogni riga e colonna di pixel dell'immagine, si calcola la somma dei valori assoluti delle differenze tra pixel adiacenti in tale colonna. 3.Si ritaglia l'immagine in corrispondenza delle colonne e righe al 5% e al 95% facendo in modo quindi che solo il 5% della somma totale delle differenze stia nella parte eliminata dell'immagine. MovieShot Image Matching - Libpuzzle Pagina 8

9 Approccio globale: Libpuzzle Il metodo si basa sull'analisi della luminosità di determinate regioni dell'immagine e calcola una firma confrontando la luminosità di regioni adiacenti. 1.L'immagine viene convertita in scala di grigi. 2.Per ogni riga e colonna di pixel dell'immagine, si calcola la somma dei valori assoluti delle differenze tra pixel adiacenti in tale colonna. 3.Si ritaglia l'immagine in corrispondenza delle colonne e righe al 5% e al 95% facendo in modo quindi che solo il 5% della somma totale delle differenze stia nella parte eliminata dell'immagine. 4.L'immagine viene concettualmente divisa in una griglia di 10x10 blocchi, imponendo così una griglia 9x9 di punti. 5.Per ogni punto della griglia, si calcola il valore medio dei pixel presenti in un quadrato centrato nel punto. MovieShot Image Matching - Libpuzzle Pagina 9

10 Approccio globale: Libpuzzle Il metodo si basa sull'analisi della luminosità di determinate regioni dell'immagine e calcola una firma confrontando la luminosità di regioni adiacenti. 1.L'immagine viene convertita in scala di grigi. 2.Per ogni riga e colonna di pixel dell'immagine, si calcola la somma dei valori assoluti delle differenze tra pixel adiacenti in tale colonna. 3.Si ritaglia l'immagine in corrispondenza delle colonne e righe al 5% e al 95% facendo in modo quindi che solo il 5% della somma totale delle differenze stia nella parte eliminata dell'immagine. 4.L'immagine viene concettualmente divisa in una griglia di 10x10 blocchi, imponendo così una griglia 9x9 di punti. 5.Per ogni punto della griglia, si calcola il valore medio dei pixel presenti in un quadrato centrato nel punto. 6.Ogni valore medio calcolato al punto precedente viene confrontato con gli 8 corrispondenti ai punti adiacenti nella griglia. Il risultato di ciascun confronto genera un array di 8 elementi che rappresentano le differenze di luminosità. 7.La firma dell'immagine è la semplice concatenazione di questi array. MovieShot Image Matching - Libpuzzle Pagina 10

11 Approccio globale: Libpuzzle VANTAGGI: Dimensioni della base di dati ogni film è rappresentato da un descrittore di 186byte. Calcolo della similarità veloce calcolare la distanza tra due immagini si riduce ad una singola distanza euclidea. MovieShot Image Matching Libpuzzle (2) Pagina 11

12 Approccio globale: Libpuzzle VANTAGGI: Dimensioni della base di dati ogni film è rappresentato da un descrittore di 186byte. Calcolo della similarità veloce calcolare la distanza tra due immagini si riduce ad una singola distanza euclidea. SVANTAGGI: Nel caso di rotazioni, variazioni di scala o piccole trasformazioni prospettiche che non siano quasi impercettibili, la firma può differire sensibilmente. il gap tra il valore di similarità del match corretto e quello del secondo più vicino è troppo piccolo per garantire un'efficace classificazione con un basso tasso di errori. MovieShot Image Matching Libpuzzle (2) Pagina 12

13 Approccio locale: SIFT Metodo per estrarre elementi locali caratteristici (keypoints) dalle immagini, invarianti a variazioni di scala e orientazione, che può essere usato per eseguire un matching affidabile anche tra immagini che presentano una diversa prospettiva, luminosità o tonalità dei colori. MovieShot Image Matching - SIFT Pagina 13

14 Approccio locale: SIFT Metodo per estrarre elementi locali caratteristici (keypoints) dalle immagini, invarianti a variazioni di scala e orientazione, che può essere usato per eseguire un matching affidabile anche tra immagini che presentano una diversa prospettiva, luminosità o tonalità dei colori. Descrizione Informale: 1.Rappresentazione dell immagine nello Scale-Space attraverso filtri gaussiani in cascata. MovieShot Image Matching - SIFT Pagina 14

15 Approccio locale: SIFT Metodo per estrarre elementi locali caratteristici (keypoints) dalle immagini, invarianti a variazioni di scala e orientazione, che può essere usato per eseguire un matching affidabile anche tra immagini che presentano una diversa prospettiva, luminosità o tonalità dei colori. Descrizione Informale: 1.Rappresentazione dell immagine nello Scale-Space attraverso filtri gaussiani in cascata. 2.Determinazione di keypoints stabili nello Scale-Space, analizzando il gradiente dell immagine. MovieShot Image Matching - SIFT Pagina 15

16 Approccio locale: SIFT Metodo per estrarre elementi locali caratteristici (keypoints) dalle immagini, invarianti a variazioni di scala e orientazione, che può essere usato per eseguire un matching affidabile anche tra immagini che presentano una diversa prospettiva, luminosità o tonalità dei colori. Descrizione Informale: 1.Rappresentazione dell immagine nello Scale-Space attraverso filtri gaussiani in cascata. 2.Determinazione di keypoints stabili nello Scale-Space, analizzando il gradiente dell immagine. 3.Assegnazione delle orientazioni ad ogni keypoint individuato sulla base dei valori del gradiente sulle due dimensioni. MovieShot Image Matching - SIFT Pagina 16

17 Approccio locale: SIFT Metodo per estrarre elementi locali caratteristici (keypoints) dalle immagini, invarianti a variazioni di scala e orientazione, che può essere usato per eseguire un matching affidabile anche tra immagini che presentano una diversa prospettiva, luminosità o tonalità dei colori. Descrizione Informale: 1.Rappresentazione dell immagine nello Scale-Space attraverso filtri gaussiani in cascata. 2.Determinazione di keypoints stabili nello Scale-Space, analizzando il gradiente dell immagine. 3.Assegnazione delle orientazioni ad ogni keypoint individuato sulla base dei valori del gradiente sulle due dimensioni. 4.Costruzione dei vettori keypoint descriptor, ciascuno dei quali rappresenta i gradienti dell immagine posti in una regione vicina a ciascun keypoint. MovieShot Image Matching - SIFT Pagina 17

18 Approccio locale: SIFT VANTAGGI: Descrittori invarianti rispetto a numerose alterazioni: invariante per scala, orientazione e distorsione affine e parzialmente invariante a cambi di illuminazione. Calcolo della Similarità robusto Ogni immagine genera centinaia di keypoint descriptors caratteristici, questo riduce il contributo degli errori causati dalle variazioni locali sull'errore medio di tutti i descrittori. Inoltre il numero di descriptors individuati nell immagine con cui calcolare la similarità offre una stima della qualità del match, consentendo di isolare i falsi positivi. MovieShot Image Matching SIFT (2) Pagina 18

19 Approccio locale: SIFT VANTAGGI: Descrittori invarianti rispetto a numerose alterazioni: invariante per scala, orientazione e distorsione affine e parzialmente invariante a cambi di illuminazione. Calcolo della Similarità robusto Ogni immagine genera centinaia di keypoint descriptors caratteristici, questo riduce il contributo degli errori causati dalle variazioni locali sull'errore medio di tutti i descrittori. Inoltre il numero di descriptors individuati nell immagine con cui calcolare la similarità offre una stima della qualità del match, consentendo di isolare i falsi positivi. SVANTAGGI: Il calcolo del matching tra due immagini è complesso e richiede numerose distanze euclidee. MovieShot Image Matching SIFT (2) Pagina 19

20 Approccio locale: SIFT VANTAGGI: Descrittori invarianti rispetto a numerose alterazioni: invariante per scala, orientazione e distorsione affine e parzialmente invariante a cambi di illuminazione. Calcolo della Similarità robusto Ogni immagine genera centinaia di keypoint descriptors caratteristici, questo riduce il contributo degli errori causati dalle variazioni locali sull'errore medio di tutti i descrittori. Inoltre il numero di descriptors individuati nell immagine con cui calcolare la similarità offre una stima della qualità del match, consentendo di isolare i falsi positivi. SVANTAGGI: Il calcolo del matching tra due immagini è complesso e richiede numerose distanze euclidee. Come si può ottimizzare? MovieShot Image Matching SIFT (2) Pagina 20

21 SIFT: Calcolo del Risultato Ogni feature ottenuta dall immagine scattata deve essere associata a quella più vicina nella base di dati. Il film che ha ottenuto più associazioni è il risultato, a patto che il numero di associazioni sia superiore al valore di soglia. Il numero di confronti è molto alto: per ridurli al minimo, occorre clusterizzare i dati. MovieShot Image Matching SIFT Calcolo del Risultato Pagina 21

22 SIFT: Calcolo del Risultato Ogni feature ottenuta dall immagine scattata deve essere associata a quella più vicina nella base di dati. Il film che ha ottenuto più associazioni è il risultato, a patto che il numero di associazioni sia superiore al valore di soglia. Il numero di confronti è molto alto: per ridurli al minimo, occorre clusterizzare i dati. Random Hyperplanes Divisione dello spazio dei descrittori attraverso iperpiani passanti per l origine. Descrittori vicini si trovano nella stessa porzione di spazio. MovieShot Image Matching SIFT Calcolo del Risultato Pagina 22

23 SIFT: Calcolo del Risultato Ogni feature ottenuta dall immagine scattata deve essere associata a quella più vicina nella base di dati. Il film che ha ottenuto più associazioni è il risultato, a patto che il numero di associazioni sia superiore al valore di soglia. Il numero di confronti è molto alto: per ridurli al minimo, occorre clusterizzare i dati. Random Hyperplanes Divisione dello spazio dei descrittori attraverso iperpiani passanti per l origine. Descrittori vicini si trovano nella stessa porzione di spazio. K-Means Algoritmo di clustering non supervisionato basato sulla distanza euclidea. MovieShot Image Matching SIFT Calcolo del Risultato Pagina 23

24 K-Means K-Means e un algoritmo di clustering che divide gruppi di oggetti in K partizioni sulla base dei loro attributi. In questo caso si userà il concetto di distanza euclidea. L'obiettivo che l'algoritmo si prepone è di minimizzare la varianza totale all'interno dei cluster. Ogni cluster viene identificato mediante un centroide, ovvero il punto medio. L'algoritmo segue una procedura iterativa: Crea K partizioni e assegna ad ogni partizione i punti d'ingresso casualmente o usando alcune informazioni euristiche. Calcola quindi il centroide di ogni gruppo. Costruisce una nuova partizione associando ogni punto d'ingresso al cluster il cui centroide è più vicino ad esso. Vengono infine ricalcolati i centroidi per i nuovi cluster e così via, finché l'algoritmo non converge. MovieShot Image Matching - SIFT - K-Means Pagina 24

25 Architettura di MovieShot MovieShot Architettura di MovieShot Pagina 25

26 Architettura di MovieShot MovieShot Architettura di MovieShot Pagina 26

27 Architettura di MovieShot MovieShot Architettura di MovieShot Pagina 27

28 Architettura: il Server Retrieve Servlet Retrieve Engine Richiesta Risposta <movies_result> <error_code> 0 </error_code> <error_message/> <movie id="12345"> <title> JAXB SIFT Database MovieShot Architettura: il Server Pagina 28

29 Architettura: il Server Retrieve Servlet Retrieve Engine Richiesta Risposta <movies_result> <error_code> 0 </error_code> <error_message/> <movie id="12345"> <title> JAXB SIFT Database MovieShot Architettura: il Server Pagina 29

30 Architettura: il Server Retrieve Servlet Retrieve Engine Richiesta Risposta <movies_result> <error_code> 0 </error_code> <error_message/> <movie id="12345"> <title> JAXB SIFT Database MovieShot Architettura: il Server Pagina 30

31 Architettura: il Server Retrieve Servlet Retrieve Engine Richiesta Risposta <movies_result> <error_code> 0 </error_code> <error_message/> <movie id="12345"> <title> JAXB SIFT Database MovieShot Architettura: il Server Pagina 31

32 Architettura: il Server Retrieve Servlet Retrieve Engine Richiesta Risposta <movies_result> <error_code> 0 </error_code> <error_message/> <movie id="12345"> <title> JAXB SIFT Database MovieShot Architettura: il Server Pagina 32

33 Architettura: il Server Retrieve Servlet Retrieve Engine Richiesta Risposta <movies_result> <error_code> 0 </error_code> <error_message/> <movie id="12345"> <title> JAXB SIFT Database MovieShot Architettura: il Server Pagina 33

34 Architettura: il Server Retrieve Servlet Retrieve Engine Richiesta Risposta <movies_result> <error_code> 0 </error_code> <error_message/> <movie id="12345"> <title> JAXB SIFT Database MovieShot Architettura: il Server Pagina 34

35 Architettura: il Server Retrieve Servlet Retrieve Engine Richiesta Risposta <movies_result> <error_code> 0 </error_code> <error_message/> <movie id="12345"> <title> JAXB SIFT Database MovieShot Architettura: il Server Pagina 35

36 Benchmark MovieShot Benchmark Pagina 36

37 Benchmark Prestazioni dell'operatore SIFT al variare dei parametri: 1. dimensione del gradient orientation histogram. 2. Numero di orientation bins. MovieShot Benchmark (2) Pagina 37

38 Benchmark MovieShot Benchmark (3) Pagina 38

39 Benchmark MovieShot Benchmark (4) Pagina 39

40 Conclusioni Sono stati analizzati due approcci per il calcolo della somiglianza delle immagini Libpuzzle, che sebbene molto veloce, nell'utilizzo specifico non trova una soddisfacente applicazione, poiché le foto coinvolte sono nella maggior parte dei casi leggermente ruotate e trasformate per via della prospettiva, e in questi casi il metodo si comporta molto male, dando un alto tasso di falsi positivi. Scale-Invariant Feature Transform, che invece si è dimostrato robusto a variazioni di scala, prospettiva, rumore e illuminazione, mostrando i propri limiti dal punto di vista delle prestazioni. Sono stati proposti due possibili approcci per il clustering e l'indicizzazione dei dati Random Hyperplanes, a causa della distribuzione non uniforme dei descrittori nello spazio, non riesce ad essere accurato come ci si poteva aspettare. Introduce infatti un'approssimazione sempre crescente all'aumentare del numero di iperpiani, non permettendo di individuare un buon compromesso. K-Means, a fronte di un calcolo più dispendioso durante la creazione della base di dati, genera una clusterizzazione decisamente più robusta, che mantiene un'ottima accuratezza all'aumentare del numero di cluster generati. MovieShot Conclusioni Pagina 40

41 Lavori Futuri Sviluppo di client per tutte le piattaforme più diffuse: Android, Windows Phone, BadaOS, Symbian, ecc. Ottimizzazioni nell algoritmo di Image Matching: in particolare nell individuazione del centroide associato a ciascun descrittore. Strutture dati come KD-Tree non sono applicabili in caso di spazi n-dimensionali, poiché risultano meno veloci dell approccio naïve. Retrieve Engine distribuito: renderebbe possibile l utilizzo dell applicazione anche in scenari che richiedono una base di dati di notevoli dimensioni. Dal punto di vista client, è possibile introdurre uno storico delle ricerche effettuate. Le API necessarie a questo scopo sono già pronte. Dal punto di vista dell amministrazione, è possibile sviluppare strumenti più sofisticati per la gestione della base di dati, che permetta inserimento, modifica e cancellazione di singoli film e altro. MovieShot Lavori Futuri Pagina 41

42 DEMO «La locandina è presente nel database e rappresenta Bar Sport, un film di Massimo Martelli uscito nelle sale il 21 ottobre 2011.» MovieShot DEMO Pagina 42

43 DEMO «La locandina è presente nel database e rappresenta EX - amici come prima, un film di Carlo Vanzina uscito nelle sale il 7 ottobre 2011.» MovieShot DEMO (2) Pagina 43

44 DEMO «La locandina NON è presente nel database! Rappresenta Final Destination 5, un film di Steven Quale uscito nelle sale il 7 ottobre 2011.» «Mi aspetto che il software mi comunichi che non ha a disposizione le informazioni richieste.» MovieShot DEMO (3) Pagina 44

45 DEMO «Simulazione foto stradale» «La locandina è presente nel database, e rappresenta Drive, un film di Nicolas Winding Refn uscito nelle sale il 30 settembre 2011.» MovieShot DEMO (4) Pagina 45

RICONOSCIMENTO DI TARGHE AUTOMOBILISTICHE

RICONOSCIMENTO DI TARGHE AUTOMOBILISTICHE PROGETTO DEL CORSO DI VISIONE E PERCEZIONE PARTE 2 RICONOSCIMENTO DI TARGHE AUTOMOBILISTICHE Scopo del progetto Il progetto ha come obiettivo quello di riconoscere il testo di una targa automobilistica

Dettagli

Algoritmi di clustering

Algoritmi di clustering Algoritmi di clustering Dato un insieme di dati sperimentali, vogliamo dividerli in clusters in modo che: I dati all interno di ciascun cluster siano simili tra loro Ciascun dato appartenga a uno e un

Dettagli

Distributed P2P Data Mining. Autore: Elia Gaglio (matricola n 809477) Corso di Sistemi Distribuiti Prof.ssa Simonetta Balsamo

Distributed P2P Data Mining. Autore: Elia Gaglio (matricola n 809477) Corso di Sistemi Distribuiti Prof.ssa Simonetta Balsamo Distributed P2P Data Mining Autore: (matricola n 809477) Corso di Sistemi Distribuiti Prof.ssa Simonetta Balsamo A.A. 2005/2006 Il settore del Data Mining Distribuito (DDM): Data Mining: cuore del processo

Dettagli

ELABORAZIONE DI DATI TRIDIMENSIONALI - RELAZIONE HOMEWORK 2

ELABORAZIONE DI DATI TRIDIMENSIONALI - RELAZIONE HOMEWORK 2 DAVIDE ZANIN 1035601 ELABORAZIONE DI DATI TRIDIMENSIONALI - RELAZIONE HOMEWORK 2 SOMMARIO Elaborazione di dati tridimensionali - Relazione Homework 2... 1 Obiettivo... 2 Descrizione della procedura seguita...

Dettagli

Università degli Studi di Ferrara - A.A. 2014/15 Dott. Valerio Muzzioli ORDINAMENTO DEI DATI

Università degli Studi di Ferrara - A.A. 2014/15 Dott. Valerio Muzzioli ORDINAMENTO DEI DATI ORDINAMENTO DEI DATI Quando si ordina un elenco (ovvero una serie di righe contenenti dati correlati), le righe sono ridisposte in base al contenuto di una colonna specificata. Distinguiamo due tipi di

Dettagli

Librerie digitali. Video. Gestione di video. Caratteristiche dei video. Video. Metadati associati ai video. Metadati associati ai video

Librerie digitali. Video. Gestione di video. Caratteristiche dei video. Video. Metadati associati ai video. Metadati associati ai video Video Librerie digitali Gestione di video Ogni filmato è composto da più parti Video Audio Gestito come visto in precedenza Trascrizione del testo, identificazione di informazioni di interesse Testo Utile

Dettagli

e-dva - eni-depth Velocity Analysis

e-dva - eni-depth Velocity Analysis Lo scopo dell Analisi di Velocità di Migrazione (MVA) è quello di ottenere un modello della velocità nel sottosuolo che abbia dei tempi di riflessione compatibili con quelli osservati nei dati. Ciò significa

Dettagli

HBase Data Model. in più : le colonne sono raccolte in gruppi di colonne detti Column Family; Cosa cambia dunque?

HBase Data Model. in più : le colonne sono raccolte in gruppi di colonne detti Column Family; Cosa cambia dunque? NOSQL Data Model HBase si ispira a BigTable di Google e perciò rientra nella categoria dei column store; tuttavia da un punto di vista logico i dati sono ancora organizzati in forma di tabelle, in cui

Dettagli

Introduzione alla Virtualizzazione

Introduzione alla Virtualizzazione Introduzione alla Virtualizzazione Dott. Luca Tasquier E-mail: luca.tasquier@unina2.it Virtualizzazione - 1 La virtualizzazione è una tecnologia software che sta cambiando il metodo d utilizzo delle risorse

Dettagli

Plate Locator Riconoscimento Automatico di Targhe

Plate Locator Riconoscimento Automatico di Targhe Progetto per Laboratorio di Informatica 3 - Rimotti Daniele, Santinelli Gabriele Plate Locator Riconoscimento Automatico di Targhe Il programma plate_locator.m prende come input: l immagine della targa

Dettagli

Ricerca di outlier. Ricerca di Anomalie/Outlier

Ricerca di outlier. Ricerca di Anomalie/Outlier Ricerca di outlier Prof. Matteo Golfarelli Alma Mater Studiorum - Università di Bologna Ricerca di Anomalie/Outlier Cosa sono gli outlier? L insieme di dati che sono considerevolmente differenti dalla

Dettagli

Che cosa è un VIRUS?

Che cosa è un VIRUS? Virus & Antivirus Virus Nella sicurezza informatica un virus è un software, appartenente alla categoria dei malware, che è in grado, una volta eseguito, di infettare dei file in modo da riprodursi facendo

Dettagli

Uso delle basi di dati DBMS. Cos è un database. DataBase. Esempi di database

Uso delle basi di dati DBMS. Cos è un database. DataBase. Esempi di database Uso delle basi di dati Uso delle Basi di Dati Il modulo richiede che il candidato comprenda il concetto di base dati (database) e dimostri di possedere competenza nel suo utilizzo. Cosa è un database,

Dettagli

Definire all'interno del codice un vettore di interi di dimensione DIM, es. int array[] = {1, 5, 2, 4, 8, 1, 1, 9, 11, 4, 12};

Definire all'interno del codice un vettore di interi di dimensione DIM, es. int array[] = {1, 5, 2, 4, 8, 1, 1, 9, 11, 4, 12}; ESERCIZI 2 LABORATORIO Problema 1 Definire all'interno del codice un vettore di interi di dimensione DIM, es. int array[] = {1, 5, 2, 4, 8, 1, 1, 9, 11, 4, 12}; Chiede all'utente un numero e, tramite ricerca

Dettagli

INTRODUCTION TO WEARABLE TECHNOLOGY

INTRODUCTION TO WEARABLE TECHNOLOGY INTRODUCTION TO WEARABLE TECHNOLOGY AND MOBILE VISION - Tutorial 2 - In questo tutorial impareremo come sviluppare una applicazione in grado di classificare in modo automatico alcuni luoghi di interessa

Dettagli

Dimensione di uno Spazio vettoriale

Dimensione di uno Spazio vettoriale Capitolo 4 Dimensione di uno Spazio vettoriale 4.1 Introduzione Dedichiamo questo capitolo ad un concetto fondamentale in algebra lineare: la dimensione di uno spazio vettoriale. Daremo una definizione

Dettagli

Maxpho Commerce 11. Gestione CSV. Data: 20 Settembre 2011 Versione : 1.1 Autore: Maxpho Srl

Maxpho Commerce 11. Gestione CSV. Data: 20 Settembre 2011 Versione : 1.1 Autore: Maxpho Srl Maxpho Commerce 11 Gestione CSV Data: 20 Settembre 2011 Versione : 1.1 Autore: Maxpho Srl Indice generale 1 - Introduzione... 3 1.1 - Il file CSV...3 1.2 - Modulo CSV su Maxpho... 3 1.3 - Modulo CSV Pro

Dettagli

Informatica grafica e Multimedialità. 4 Immagini grafiche

Informatica grafica e Multimedialità. 4 Immagini grafiche Immagini raster e vettoriali Le immagini grafiche si distinguono in due classi differenti: immagini raster e immagini vettoriali. Le immagini raster, dette anche pittoriche o pixel-oriented, dividono l

Dettagli

Introduzione. Cliente. Indirizzo cliente. CAP cliente. Città cliente. Telefono cliente

Introduzione. Cliente. Indirizzo cliente. CAP cliente. Città cliente. Telefono cliente Introduzione Just Italia srl, mediante le proprie venditrici, raccoglie ordinativi dai clienti attravenso una proposta d ordine cartacea, sulla quale vengono compilati manualmente i seguenti dati: Cliente

Dettagli

Stefania Marrara - Esercitazioni di Tecnologie dei Sistemi Informativi. Integrazione di dati di sorgenti diverse

Stefania Marrara - Esercitazioni di Tecnologie dei Sistemi Informativi. Integrazione di dati di sorgenti diverse Politecnico di Milano View integration 1 Integrazione di dati di sorgenti diverse Al giorno d oggi d la mole di informazioni che viene gestita in molti contesti applicativi è enorme. In alcuni casi le

Dettagli

uadro Soluzioni software per L archiviazione elettronica dei documenti Gestione Aziendale Fa quadrato attorno alla tua azienda

uadro Soluzioni software per L archiviazione elettronica dei documenti Gestione Aziendale Fa quadrato attorno alla tua azienda Fa quadrato attorno alla tua azienda Soluzioni software per L archiviazione elettronica dei documenti Perché scegliere Q Archiviazione Elettronica dei Documenti? Tale applicativo si pone come obbiettivo

Dettagli

Project Planning. Politecnico di Milano. Progetto di Ingegneria del Software 2. 15 novembre 2011. Elisabetta Di Nitto Raffaela Mirandola

Project Planning. Politecnico di Milano. Progetto di Ingegneria del Software 2. 15 novembre 2011. Elisabetta Di Nitto Raffaela Mirandola Politecnico di Milano Progetto di Ingegneria del Software 2 Project Planning Autori: Claudia Foglieni Giovanni Matteo Fumarola Massimo Maggi Professori: Elisabetta Di Nitto Raffaela Mirandola 15 novembre

Dettagli

Introduzione all analisi dei segnali digitali.

Introduzione all analisi dei segnali digitali. Introduzione all analisi dei segnali digitali. Lezioni per il corso di Laboratorio di Fisica IV Isidoro Ferrante A.A. 2001/2002 1 Segnali analogici Si dice segnale la variazione di una qualsiasi grandezza

Dettagli

Un applicazione client per la localizzazione via Bluetooth e Wi-Fi di dispositivi Smartphone Anno Accademico 2005/2006

Un applicazione client per la localizzazione via Bluetooth e Wi-Fi di dispositivi Smartphone Anno Accademico 2005/2006 tesi di laurea Un applicazione client per la localizzazione via Bluetooth e Wi-Fi di dispositivi Anno Accademico 2005/2006 relatore Ch.mo prof. Stefano Russo correlatore Ing. Massimo Ficco candidato Giorgio

Dettagli

L efficienza energetica dei condizionatori d aria da quest anno ha nuove direttive.

L efficienza energetica dei condizionatori d aria da quest anno ha nuove direttive. L efficienza energetica dei condizionatori d aria da quest anno ha nuove direttive. Un testo della redazione di Electro Online, il tuo esperto online. Data: 19/03/2013 Nuove regole per i condizionatori

Dettagli

Nuova funzione di ricerca del sito WIKA.

Nuova funzione di ricerca del sito WIKA. Nuova funzione di ricerca del sito WIKA. Il sito WIKA dispone ora di una funzione di ricerca completamente riprogettata. Essa è uno strumento particolarmente importante in quanto deve fornire al navigatore

Dettagli

Documentazione esterna al software matematico sviluppato con MatLab

Documentazione esterna al software matematico sviluppato con MatLab Documentazione esterna al software matematico sviluppato con MatLab Algoritmi Metodo di Gauss-Seidel con sovrarilassamento Metodo delle Secanti Metodo di Newton Studente Amelio Francesco 556/00699 Anno

Dettagli

Ingegneria del Software T

Ingegneria del Software T Home Finance 1 Requisiti del cliente 1 Si richiede di realizzare un sistema per la gestione della contabilità familiare. Il sistema consente la classificazione dei movimenti di denaro e la loro memorizzazione.

Dettagli

Ata_NiAg02. Modulo Gestione Agenti

Ata_NiAg02. Modulo Gestione Agenti Ata_NiAg02 Modulo Gestione Agenti Il software NiAg02 consente alle aziende che utilizzano il software gestionale ATA di gestire in maniera totalmente automatizzata l acquisizione ordini e/o clienti dalla

Dettagli

Le query di raggruppamento

Le query di raggruppamento Le query di raggruppamento Le "Query di raggruppamento" sono delle Query di selezione che fanno uso delle "Funzioni di aggregazione" come la Somma, il Conteggio, il Massimo, il Minimo o la Media, per visualizzare

Dettagli

DBMS. Esempi di database. DataBase. Alcuni esempi di DBMS DBMS. (DataBase Management System)

DBMS. Esempi di database. DataBase. Alcuni esempi di DBMS DBMS. (DataBase Management System) (DataBase Management System) Sistemi di ges3one di basi di da3 Un Database Management System è un sistema software progettato per consentire la creazione e manipolazione efficiente di database (collezioni

Dettagli

Ottimizzazione Multi Obiettivo

Ottimizzazione Multi Obiettivo Ottimizzazione Multi Obiettivo 1 Ottimizzazione Multi Obiettivo I problemi affrontati fino ad ora erano caratterizzati da una unica (e ben definita) funzione obiettivo. I problemi di ottimizzazione reali

Dettagli

Modulo: Fogli elettronici

Modulo: Fogli elettronici Corso: Abilità Informatiche Modulo: Fogli elettronici Pagina 1 di 18 Autori del Modulo: Bruno fadini; Pino Cepparulo Presentazione del Modulo: Versione Italiano Il modulo, corrispondente al modulo 4 dell'ecdl

Dettagli

PowerSchedo. Un sistema di supporto alla decisione nel settore dell'oil&gas. For further information: www.mbigroup.it

PowerSchedo. Un sistema di supporto alla decisione nel settore dell'oil&gas. For further information: www.mbigroup.it PowerSchedo Un sistema di supporto alla decisione nel settore dell'oil&gas For further information: Introduzione PowerSchedO è uno strumento software di supporto alle decisioni per problemi nel settore

Dettagli

SISTEMI DI NUMERAZIONE E CODICI

SISTEMI DI NUMERAZIONE E CODICI SISTEMI DI NUMERAZIONE E CODICI Il Sistema di Numerazione Decimale Il sistema decimale o sistema di numerazione a base dieci usa dieci cifre, dette cifre decimali, da O a 9. Il sistema decimale è un sistema

Dettagli

Il database management system Access

Il database management system Access Il database management system Access Corso di autoistruzione http://www.manualipc.it/manuali/ corso/manuali.php? idcap=00&idman=17&size=12&sid= INTRODUZIONE Il concetto di base di dati, database o archivio

Dettagli

La Metodologia adottata nel Corso

La Metodologia adottata nel Corso La Metodologia adottata nel Corso 1 Mission Statement + Glossario + Lista Funzionalià 3 Descrizione 6 Funzionalità 2 Schema 4 Schema 5 concettuale Logico EA Relazionale Codice Transazioni In PL/SQL Schema

Dettagli

Fondamenti di Elaborazione di Immagini Estrazione dei Bordi e Segmentazione. Raffaele Cappelli raffaele.cappelli@unibo.it

Fondamenti di Elaborazione di Immagini Estrazione dei Bordi e Segmentazione. Raffaele Cappelli raffaele.cappelli@unibo.it Fondamenti di Elaborazione di Immagini Estrazione dei Bordi e Segmentazione Raffaele Cappelli raffaele.cappelli@unibo.it Contenuti Estrazione dei bordi Calcolo del gradiente Operatori di Roberts Operatori

Dettagli

Introduzione al data base

Introduzione al data base Introduzione al data base L Informatica è quella disciplina che si occupa del trattamento automatico dei dati con l ausilio del computer. Trattare i dati significa: raccoglierli, elaborarli e conservarli

Dettagli

Clustering. Utilizziamo per la realizzazione dell'esempio due tipologie di software:

Clustering. Utilizziamo per la realizzazione dell'esempio due tipologie di software: Esercizio Clustering Utilizziamo per la realizzazione dell'esempio due tipologie di software: - XLSTAT.xls - Cluster.exe XLSTAT.xls XLSTAT.xls è una macro di Excel che offre la possibilità di effettuare

Dettagli

Uso delle basi di dati. Informazione e dato. Cos è un database. Tabelle. Esempi di database

Uso delle basi di dati. Informazione e dato. Cos è un database. Tabelle. Esempi di database Uso delle basi di dati CORSO ECDL DataBase Il modulo richiede che il candidato comprenda il concetto di base dati (database) e dimostri di possedere competenza nel suo utilizzo. Cosa è un database, come

Dettagli

Dispensa di database Access

Dispensa di database Access Dispensa di database Access Indice: Database come tabelle; fogli di lavoro e tabelle...2 Database con più tabelle; relazioni tra tabelle...2 Motore di database, complessità di un database; concetto di

Dettagli

Approccio stratificato

Approccio stratificato Approccio stratificato Il sistema operativo è suddiviso in strati (livelli), ciascuno costruito sopra quelli inferiori. Il livello più basso (strato 0) è l hardware, il più alto (strato N) è l interfaccia

Dettagli

Tabella iniziale con i dati. Malattia Malati Non malati Totale Test Positivo 183 Negativo 280 Totale 199 512. Calcolo i valori mancanti per differenza

Tabella iniziale con i dati. Malattia Malati Non malati Totale Test Positivo 183 Negativo 280 Totale 199 512. Calcolo i valori mancanti per differenza ESERCIZIO DI STATISTICA D.U. / simulazione di esame Esercizio 1: Per una malattia particolarmente grave viene sperimentato l utilizzo di una nuova tecnica radiologica allo scopo di identificare correttamente

Dettagli

Gestione ed analisi di base dati nell epidemiologia. delle malattie infettive

Gestione ed analisi di base dati nell epidemiologia. delle malattie infettive Università degli Studi di Torino - Facoltà di Medicina Veterinaria Laboratorio di epidemiologia delle malattie infettive Scuola Specializzazione in Sanità Animale, Allevamento e Produzioni Zootecniche

Dettagli

E possibile modificare la lingua dei testi dell interfaccia utente, se in inglese o in italiano, dal menu [Tools

E possibile modificare la lingua dei testi dell interfaccia utente, se in inglese o in italiano, dal menu [Tools Una breve introduzione operativa a STGraph Luca Mari, versione 5.3.11 STGraph è un sistema software per creare, modificare ed eseguire modelli di sistemi dinamici descritti secondo l approccio agli stati

Dettagli

Come costruire una presentazione. PowerPoint 1. ! PowerPoint permette la realizzazione di presentazioni video ipertestuali, animate e multimediali

Come costruire una presentazione. PowerPoint 1. ! PowerPoint permette la realizzazione di presentazioni video ipertestuali, animate e multimediali PowerPoint Come costruire una presentazione PowerPoint 1 Introduzione! PowerPoint è uno degli strumenti presenti nella suite Office di Microsoft! PowerPoint permette la realizzazione di presentazioni video

Dettagli

Codifiche a lunghezza variabile

Codifiche a lunghezza variabile Sistemi Multimediali Codifiche a lunghezza variabile Marco Gribaudo marcog@di.unito.it, gribaudo@elet.polimi.it Assegnazione del codice Come visto in precedenza, per poter memorizzare o trasmettere un

Dettagli

MService La soluzione per ottimizzare le prestazioni dell impianto

MService La soluzione per ottimizzare le prestazioni dell impianto MService La soluzione per ottimizzare le prestazioni dell impianto Il segreto del successo di un azienda sta nel tenere sotto controllo lo stato di salute delle apparecchiature degli impianti. Dati industriali

Dettagli

Un ripasso di aritmetica: Conversione dalla base 10 alla base 16

Un ripasso di aritmetica: Conversione dalla base 10 alla base 16 Un ripasso di aritmetica: Conversione dalla base 1 alla base 16 Dato un numero N rappresentato in base dieci, la sua rappresentazione in base sedici sarà del tipo: c m c m-1... c 1 c (le c i sono cifre

Dettagli

Introduzione all Information Retrieval

Introduzione all Information Retrieval Introduzione all Information Retrieval Argomenti della lezione Definizione di Information Retrieval. Information Retrieval vs Data Retrieval. Indicizzazione di collezioni e ricerca. Modelli per Information

Dettagli

Cosa è un foglio elettronico

Cosa è un foglio elettronico Cosa è un foglio elettronico Versione informatica del foglio contabile Strumento per l elaborazione di numeri (ma non solo...) I valori inseriti possono essere modificati, analizzati, elaborati, ripetuti

Dettagli

PROGRAMMA SVOLTO NELLA SESSIONE N.

PROGRAMMA SVOLTO NELLA SESSIONE N. Università C. Cattaneo Liuc, Corso di Statistica, Sessione n. 1, 2014 Laboratorio Excel Sessione n. 1 Venerdì 031014 Gruppo PZ Lunedì 061014 Gruppo AD Martedì 071014 Gruppo EO PROGRAMMA SVOLTO NELLA SESSIONE

Dettagli

Nella prima parte del corso l attenzione è venuta appuntandosi sui problemi inerenti la valutazione di investimenti aziendali e di strumenti

Nella prima parte del corso l attenzione è venuta appuntandosi sui problemi inerenti la valutazione di investimenti aziendali e di strumenti Nella prima parte del corso l attenzione è venuta appuntandosi sui problemi inerenti la valutazione di investimenti aziendali e di strumenti finanziari in un contesto di flussi finanziari certi, tuttavia

Dettagli

APP_PIT_Comparazione Pile Dynamics Inc. Rev.01-012015

APP_PIT_Comparazione Pile Dynamics Inc. Rev.01-012015 Pile Integrity Tester PIT Caratteristiche Tecniche Serie PIT-X, PIT-X2, PIT-V e PIT-FV La strumentazione Pile Integrity Tester serie PIT è disponibile in 4 versioni, con 1 (PIT-X e PIT- V) o 2 (PIT-X2

Dettagli

Volume GESTFLORA. Gestione aziende agricole e floricole. Guidaall uso del software

Volume GESTFLORA. Gestione aziende agricole e floricole. Guidaall uso del software Volume GESTFLORA Gestione aziende agricole e floricole Guidaall uso del software GESTIONE AZIENDE AGRICOLE E FLORICOLE Guida all uso del software GestFlora Ver. 2.00 Inter-Ware Srl Viadegli Innocenti,

Dettagli

LA TRASMISSIONE DELLE INFORMAZIONI QUARTA PARTE 1

LA TRASMISSIONE DELLE INFORMAZIONI QUARTA PARTE 1 LA TRASMISSIONE DELLE INFORMAZIONI QUARTA PARTE 1 I CODICI 1 IL CODICE BCD 1 Somma in BCD 2 Sottrazione BCD 5 IL CODICE ECCESSO 3 20 La trasmissione delle informazioni Quarta Parte I codici Il codice BCD

Dettagli

ISTITUTO TECNICO ECONOMICO MOSSOTTI

ISTITUTO TECNICO ECONOMICO MOSSOTTI CLASSE III INDIRIZZO S.I.A. UdA n. 1 Titolo: conoscenze di base Conoscenza delle caratteristiche dell informatica e degli strumenti utilizzati Informatica e sistemi di elaborazione Conoscenza delle caratteristiche

Dettagli

PROGETTO ESCAVATORE VIRTUALE

PROGETTO ESCAVATORE VIRTUALE PROGETTO ESCAVATORE VIRTUALE Facoltà di Ingegneria Industriale Corso di Laurea in Ingegneria Meccanica Anno Accademico 2011-2012 Matteo Condoleo 1 OBBIETTIVI Il presente progetto è stato realizzato per

Dettagli

Software Gestionale per alberghi e strutture ricettive

Software Gestionale per alberghi e strutture ricettive TOURING HOME V.4.0.0 Software Gestionale per alberghi e strutture ricettive Guida all aggiornamento Abbiamo il piacere di presentarvi la nuova versione 4.0.0 di TouringHome Completamente rivisto graficamente,

Dettagli

Scheduling della CPU. Sistemi multiprocessori e real time Metodi di valutazione Esempi: Solaris 2 Windows 2000 Linux

Scheduling della CPU. Sistemi multiprocessori e real time Metodi di valutazione Esempi: Solaris 2 Windows 2000 Linux Scheduling della CPU Sistemi multiprocessori e real time Metodi di valutazione Esempi: Solaris 2 Windows 2000 Linux Sistemi multiprocessori Fin qui si sono trattati i problemi di scheduling su singola

Dettagli

CONTENT MANAGEMENT SY STEM

CONTENT MANAGEMENT SY STEM CONTENT MANAGEMENT SY STEM I NDI CE I NTRODUZI ONE Accesso al CMS 1) CONTENUTI 1.1 I nserimento, modifica e cancellazione dei contenuti 1.2 Sezioni, categorie e sottocategorie 2) UTENTI 3) UP LOAD FILES

Dettagli

ESTRAZIONE DI DATI 3D DA IMMAGINI DIGITALI. (Visione 3D)

ESTRAZIONE DI DATI 3D DA IMMAGINI DIGITALI. (Visione 3D) ESTRAZIONE DI DATI 3D DA IMMAGINI DIGITALI () Una immagine (digitale) permette di percepire solo una rappresentazione 2D del mondo La visione 3D si pone lo scopo di percepire il mondo per come è in 3 dimensioni

Dettagli

Antivirus. Lezione 07. A cosa serve un antivirus

Antivirus. Lezione 07. A cosa serve un antivirus Lezione 07 Antivirus A cosa serve un antivirus Un antivirus è un programma studiato per cercare tramite una scansione nel sistema in cui è installato la presenza di virus. La funzionalità di un antivirus

Dettagli

PointCloud 7.0 Anno 2011

PointCloud 7.0 Anno 2011 PointCloud 7.0 Anno 2011 Compatibilità con AutoCAD 2007-2012 ed AutoCAD 2007-2012 Supporto del formato nativo delle nuvole di punti di AutoCAD (PCG) e miglioramento delle performance riguardo la velocità

Dettagli

L amministratore di dominio

L amministratore di dominio L amministratore di dominio Netbuilder consente ai suoi clienti di gestire autonomamente le caselle del proprio dominio nel rispetto dei vincoli contrattuali. Ciò è reso possibile dall esistenza di un

Dettagli

Esercizio 1: trading on-line

Esercizio 1: trading on-line Esercizio 1: trading on-line Si realizzi un programma Java che gestisca le operazioni base della gestione di un fondo per gli investimenti on-line Creazione del fondo (con indicazione della somma in inizialmente

Dettagli

Rendering air show e verifica della sincronizzazione

Rendering air show e verifica della sincronizzazione Capitolo 5 Rendering air show e verifica della sincronizzazione 5.1 Introduzione Il Rendering 3D dell evoluzioni acrobatiche costituisce uno degli aspetti cruciali dell applicazione realizzata. L ambiente

Dettagli

Guida Software GestioneSpiaggia.it

Guida Software GestioneSpiaggia.it Caratteristiche Guida Software GestioneSpiaggia.it 1. Gestione prenotazioni articoli (ombrellone, cabina, ecc ) ed attrezzature (sdraio, lettino ecc ) 2. Visualizzazione grafica degli affitti sia giornaliera

Dettagli

Automazione Industriale (scheduling+mms) scheduling+mms. adacher@dia.uniroma3.it

Automazione Industriale (scheduling+mms) scheduling+mms. adacher@dia.uniroma3.it Automazione Industriale (scheduling+mms) scheduling+mms adacher@dia.uniroma3.it Introduzione Sistemi e Modelli Lo studio e l analisi di sistemi tramite una rappresentazione astratta o una sua formalizzazione

Dettagli

Programma del Corso per Segretaria d Azienda:

Programma del Corso per Segretaria d Azienda: Programma del Corso per Segretaria d Azienda: Modulo 1. Uso del computer e gestione file Utilizzare le funzioni principali del sistema operativo, incluse la modifica delle impostazioni principali e l utilizzo

Dettagli

Sistemi di Gestione dei Dati e dei Processi Aziendali. Computer-Assisted Audit Technique (CAAT)

Sistemi di Gestione dei Dati e dei Processi Aziendali. Computer-Assisted Audit Technique (CAAT) Sistemi di Gestione dei Dati e dei Processi Aziendali Computer-Assisted Audit Technique (CAAT) Indice degli argomenti Introduzione Metodologia Esempi Conclusioni Slide 2 Introduzione Metodologia Esempi

Dettagli

Esercitazione di Basi di Dati

Esercitazione di Basi di Dati Esercitazione di Basi di Dati Corso di Fondamenti di Informatica 6 Maggio 2004 Come costruire una ontologia Marco Pennacchiotti pennacchiotti@info.uniroma2.it Tel. 0672597334 Ing.dell Informazione, stanza

Dettagli

Raccomandazione del Parlamento europeo 18/12/2006 CLASSE PRIMA COMPETENZE ABILITÀ CONOSCENZE. Operare con i numeri

Raccomandazione del Parlamento europeo 18/12/2006 CLASSE PRIMA COMPETENZE ABILITÀ CONOSCENZE. Operare con i numeri COMPETENZA CHIAVE MATEMATICA Fonte di legittimazione Raccomandazione del Parlamento europeo 18/12/2006 CLASSE PRIMA COMPETENZE ABILITÀ CONOSCENZE L alunno utilizza il calcolo scritto e mentale con i numeri

Dettagli

PIANIFICAZIONE AUTOMATICA DEGLI INTERVENTI DI ASSISTENZA TECNICA. 2 Dicembre 2010

PIANIFICAZIONE AUTOMATICA DEGLI INTERVENTI DI ASSISTENZA TECNICA. 2 Dicembre 2010 DI ASSISTENZA TECNICA 2 Dicembre 2010 La Pianificazione come strumento di ottimizzazione delle attività di assistenza tecnica Origine dell idea progettuale... deriva dall interesse, manifestato dai Clienti

Dettagli

ESTRAZIONE DI DATI 3D DA IMMAGINI DIGITALI. (Visione 3D)

ESTRAZIONE DI DATI 3D DA IMMAGINI DIGITALI. (Visione 3D) ESTRAZIONE DI DATI 3D DA IMMAGINI DIGITALI () Calcolo delle corrispondenze Affrontiamo il problema centrale della visione stereo, cioè la ricerca automatica di punti corrispondenti tra immagini Chiamiamo

Dettagli

la scienza della rappresentazione e della elaborazione dell informazione

la scienza della rappresentazione e della elaborazione dell informazione Sistema binario Sommario informatica rappresentare informazioni la differenza Analogico/Digitale i sistemi di numerazione posizionali il sistema binario Informatica Definizione la scienza della rappresentazione

Dettagli

Un importante risparmio di tempo, che l'operatore può dedicare a ciò che è veramente importante il paziente!

Un importante risparmio di tempo, che l'operatore può dedicare a ciò che è veramente importante il paziente! il sistema radiografico polivalente specificatamente progettato per ottimizzare l'utilizzo dei moderni detettori a stato solido il suo design innovativo supera le classiche limitazioni della meccanica

Dettagli

Il file system. meccanismi di accesso e memorizzazione delle informazioni (programmi e dati) allocate. in memoria di massa

Il file system. meccanismi di accesso e memorizzazione delle informazioni (programmi e dati) allocate. in memoria di massa Il File System 1 Il file system E quella componente del SO che fornisce i meccanismi di accesso e memorizzazione delle informazioni (programmi e dati) allocate in memoria di massa Realizza i concetti astratti

Dettagli

VALORE DELLE MERCI SEQUESTRATE

VALORE DELLE MERCI SEQUESTRATE La contraffazione in cifre: NUOVA METODOLOGIA PER LA STIMA DEL VALORE DELLE MERCI SEQUESTRATE Roma, Giugno 2013 Giugno 2013-1 Il valore economico dei sequestri In questo Focus si approfondiscono alcune

Dettagli

Stabilizzazione Video. Video Digitali

Stabilizzazione Video. Video Digitali Stabilizzazione Video Video Digitali Stabilizzazione video STABILIZZARE:assicurare il mantenimento di una condizione di equilibrio constante,generalmente identificabile nell'assenza di oscillazioni o variazioni

Dettagli

FIRESHOP.NET. Gestione Lotti & Matricole. www.firesoft.it

FIRESHOP.NET. Gestione Lotti & Matricole. www.firesoft.it FIRESHOP.NET Gestione Lotti & Matricole www.firesoft.it Sommario SOMMARIO Introduzione... 3 Configurazione... 6 Personalizzare le etichette del modulo lotti... 6 Personalizzare i campi che identificano

Dettagli

GESTIONE AVANZATA DEI MATERIALI

GESTIONE AVANZATA DEI MATERIALI GESTIONE AVANZATA DEI MATERIALI Divulgazione Implementazione/Modifica Software SW0003784 Creazione 23/01/2014 Revisione del 25/06/2014 Numero 1 Una gestione avanzata dei materiali strategici e delle materie

Dettagli

Sistemi Operativi. 5 Gestione della memoria

Sistemi Operativi. 5 Gestione della memoria Gestione della memoria Compiti del gestore della memoria: Tenere traccia di quali parti della memoria sono libere e quali occupate. Allocare memoria ai processi che ne hanno bisogno. Deallocare la memoria

Dettagli

Organizzazione degli archivi

Organizzazione degli archivi COSA E UN DATA-BASE (DB)? è l insieme di dati relativo ad un sistema informativo COSA CARATTERIZZA UN DB? la struttura dei dati le relazioni fra i dati I REQUISITI DI UN DB SONO: la ridondanza minima i

Dettagli

INTEGRALI DEFINITI. Tale superficie viene detta trapezoide e la misura della sua area si ottiene utilizzando il calcolo di un integrale definito.

INTEGRALI DEFINITI. Tale superficie viene detta trapezoide e la misura della sua area si ottiene utilizzando il calcolo di un integrale definito. INTEGRALI DEFINITI Sia nel campo scientifico che in quello tecnico si presentano spesso situazioni per affrontare le quali è necessario ricorrere al calcolo dell integrale definito. Vi sono infatti svariati

Dettagli

Database. Si ringrazia Marco Bertini per le slides

Database. Si ringrazia Marco Bertini per le slides Database Si ringrazia Marco Bertini per le slides Obiettivo Concetti base dati e informazioni cos è un database terminologia Modelli organizzativi flat file database relazionali Principi e linee guida

Dettagli

Corso di Visione Artificiale. Stereopsi. Samuel Rota Bulò

Corso di Visione Artificiale. Stereopsi. Samuel Rota Bulò Corso di Visione Artificiale Stereopsi Samuel Rota Bulò Introduzione La stereopsi è il processo di inferenza della struttura 3D da una coppia di immagini di una stessa scena catturate da posizioni diverse.

Dettagli

Università degli Studi di Bologna Bologna, 12/12/2002 Corso di Laurea In Informatica. Alessandro Valenti. Sessione II

Università degli Studi di Bologna Bologna, 12/12/2002 Corso di Laurea In Informatica. Alessandro Valenti. Sessione II Università degli Studi di Bologna Bologna, 12/12/2002 Corso di Laurea In Informatica Alessandro Valenti Sessione II Anno Accademico 2001-2002 SOMMARIO: Scenario Data Integration Il Servizio AnaWeb Web

Dettagli

Obiettivi d esame PHP Developer Fundamentals on MySQL Environment

Obiettivi d esame PHP Developer Fundamentals on MySQL Environment Obiettivi d esame PHP Developer Fundamentals on MySQL Environment 1.0 Ambiente di sviluppo 1.1 Web server e database MySQL Comprendere la definizione dei processi che si occupano di fornire i servizi web

Dettagli

ColorSplitter. La separazione automatica dei colori di Colibri.. Perché ColorSplitter? Come opera ColorSplitter?

ColorSplitter. La separazione automatica dei colori di Colibri.. Perché ColorSplitter? Come opera ColorSplitter? ColorSplitter La separazione automatica dei colori di Colibri.. ColorSplitter è una nuova funzionalità aggiunta a Colibri, che permette di elaborare un immagine trasformandola in una separata in canali

Dettagli

VERIFICHE PERIODICHE DEL MANTENIMENTO DI REQUISITI IMPIANTISTICI ED IGIENICO AMBIENTALI IN SALA OPERATORIA.

VERIFICHE PERIODICHE DEL MANTENIMENTO DI REQUISITI IMPIANTISTICI ED IGIENICO AMBIENTALI IN SALA OPERATORIA. VERIFICHE PERIODICHE DEL MANTENIMENTO DI REQUISITI IMPIANTISTICI ED IGIENICO AMBIENTALI IN SALA OPERATORIA. Esperienza relativa ai controlli eseguiti dal 2008 al 2012 Statistica basata su 5 anni di validazioni

Dettagli

Firewall applicativo per la protezione di portali intranet/extranet

Firewall applicativo per la protezione di portali intranet/extranet Firewall applicativo per la protezione di portali intranet/extranet Descrizione Soluzione Milano Hacking Team S.r.l. http://www.hackingteam.it Via della Moscova, 13 info@hackingteam.it 20121 MILANO (MI)

Dettagli

Operazioni sui database

Operazioni sui database Operazioni sui database Le operazioni nel modello relazionale sono essenzialmente di due tipi: Operazioni di modifica della base di dati (update) Interrogazioni della base di dati per il recupero delle

Dettagli

Introduzione al Foglio Elettronico

Introduzione al Foglio Elettronico Microsoft Excel Introduzione al Foglio Elettronico Il Foglio Elettronico Si presenta come una grande tabella su un foglio di carta Le celle contengono differenti dati Numeri Testo Date Ecc I dati possono

Dettagli

WoWords. Guida all uso: creare ed utilizzare le frasi. In questa guida è descritto come creare ed utilizzare le frasi nel software WoWords.

WoWords. Guida all uso: creare ed utilizzare le frasi. In questa guida è descritto come creare ed utilizzare le frasi nel software WoWords. In questa guida è descritto come creare ed utilizzare le frasi nel software WoWords. Premessa Oltre alle singole parole WoWords può gestire intere frasi in inglese. A differenza delle singole parole, le

Dettagli

SPC e distribuzione normale con Access

SPC e distribuzione normale con Access SPC e distribuzione normale con Access In questo articolo esamineremo una applicazione Access per il calcolo e la rappresentazione grafica della distribuzione normale, collegata con tabelle di Clienti,

Dettagli

Analisi dei requisiti e casi d uso

Analisi dei requisiti e casi d uso Analisi dei requisiti e casi d uso Indice 1 Introduzione 2 1.1 Terminologia........................... 2 2 Modello del sistema 4 2.1 Requisiti hardware........................ 4 2.2 Requisiti software.........................

Dettagli

Immagini binarie. Binarizzazione di immagini a livelli di grigio

Immagini binarie. Binarizzazione di immagini a livelli di grigio Immagini binarie Binarizzazione di immagini a livelli di grigio Immagini binarie In molti casi gli le scene di interesse conducono ad immagini che possono essere considerate binarie, cioè contenenti nel

Dettagli

cin>>c8 s.r.l. Analisi del Dominio Pagina 1 di 7 Analisi del Dominio

cin>>c8 s.r.l. Analisi del Dominio Pagina 1 di 7 Analisi del Dominio Analisi del Dominio Pagina 1 di 7 Analisi del Dominio Indice 1 - INTRODUZIONE... 3 1.1 - OBIETTIVO DEL DOCUMENTO...3 1.2 - STRUTTURA DEL DOCUMENTO...3 1.3 - STORIA DEL DOCUMENTO...3 2 - SITUAZIONE ATTUALE

Dettagli