Template matching Il problema del riconoscimento
|
|
- Severina Piva
- 5 anni fa
- Visualizzazioni
Transcript
1 emplate matching Il problema del riconoscimento Nel contesto dell interpretazione delle immagini, l obiettivo centrale è quello di riconoscere gli oggetti presenti all interno di un immagine. Riconoscere un oggetto significa verificare che nell immagine è presente un istanza dell oggetto di cui è memorizzata una rappresentazione.
2 Un primo approccio: il template matching Il primo e più semplice approccio al problema del riconoscimento nel caso delle immagini è quello di confrontare direttamente l immagine dell oggetto cercato con l immagine in esame. Questo tipo di approccio si definisce template matching. Si basa sulla misura della similarità esistente tra il prototipo dell oggetto da riconoscere (template) e (una parte dell ) immagine. Esempio: riconoscimento della lettera a in un testo Bisogna riconoscere le istanze della lettera a, di cui si ha a disposizione un template
3 Realizzazione del template matching Siccome non si conoscono a priori le regioni in cui l istanza può presentarsi, è necessario confrontare il template con tutte le sottoparti dell immagine che hanno le stesse dimensioni del template. A questo scopo, il template viene fatto scorrere sequenzialmente sull intera immagine, valutando per ogni possibile posizione la similarità tra il template e la regione dell immagine. Realizzazione del template matching Si definisca (x,y) il template con (x,y). è il dominio di definizione del template. Se I(i,j) è l immagine in esame di dimensioni NRxNC, è confrontato con tutte le regioni I(u+x,v+y) con (x,y) tali che: 1 u+x NR 1 v+y NC
4 Realizzazione del template matching x x x x x x x x I(3+x,+y) Area dell immagine su cui scorre il centro di x x x x x x Confronto template-immagine Per ogni shift (u,v) del template sull immagine si confronta il template e la regione corrente dell immagine. Per il confronto sono possibili diverse misure di dissimilarità: max (x,y) (x,y) ( u, v) ( u, v) I(u + x,v + y) I(u + x,v + y) (x,y) I(u + x,v + y)
5 Confronto template-immagine Se si utilizza l ultima espressione, si può ottenere un importante misura della similarità osservando che: (x,y) I(u + x,v + y) (x,y) + = I(u + x,v + y) Quindi si ha la massima similarità quando si hanno alti valori per (u,v) (x,y)i(u + x,v + y) (x,y)i(u+ x,v + y) La mutua correlazione Il termine C I(u,v) = (x,y)i(u+ x,v + y) (u,v) si definisce mutua correlazione tra ed I. In effetti, una misura più corretta della similarità è data dalla mutua correlazione normalizzata: (x,y)i(u + x,v + y) I(u + x,v + y)
6 Altre misure della similarità Una misura più efficiente si può ottenere considerando per la correlazione una versione modificata del template 1 (x,y) = 1 se (x,y) = 1 se (x,y) = 0 In questo caso la correlazione raggiunge il massimo valore quando (x,y) e I(u+x,v+y) combaciano perfettamente. emplate modificato
7 Esempio
8 Problemi del template matching scale dependent rotation dependent non robusto al rumore ed alle variazioni delle istanze come si definisce il template? a mano automaticamente come si valuta la soglia?
Template matching. Il problema del riconoscimento
emplate matching Il problema del riconoscimento Nel contesto dell interpretaione delle immagini, l obiettivo centrale è quello di riconoscere gli oggetti presenti all interno di un immagine. Riconoscere
La trasformata di Hough
La trasformata di Hough Trasformata di Hough E una tecnica che permette di riconoscere particolari configurazioni di punti presenti nell immagine, come segmenti, curve o altre forme prefissate. E un tipico
Low Level Vision: Trasformata di Hough
Low Level Vision: Trasformata di Hough Prof Sebastiano Battiato Rilevamento di linee Le linee sono feature importanti perché permettono di definire analiticamente o approssimare molte forme (in particolare
Algoritmi per il riconoscimento dell iride
Algoritmi per il riconoscimento dell iride 1 L O C A L B I N A R Y P A T T E R N - S C A L E I N V A R I A N T F E A T U R E T R A S F O R M - C U M U L A T I V E S U M S A cura di: Chiara Galdi http://biplab.unisa.it/
Clustering. Clustering
1/40 Clustering Iuri Frosio frosio@dsi.unimi.it Approfondimenti in A.K. Jan, M. N. Murty, P. J. Flynn, Data clustering: a review, ACM Computing Surveys, Vol. 31, No. 3, September 1999, ref. pp. 265-290,
Indicizzazione di feature locali. Annalisa Franco
1 Indicizzazione di feature locali Annalisa Franco annalisa.franco@unibo.it http://bias.csr.unibo.it/vr/ 2 Introduzione I descrittori locali sono vettori di uno spazio N- dimensionale (alta dimensionalità)
Elaborazione delle immagini a basso livello
Sommario Introduzione Percezione Formazione delle immagini Estrazione di informazione 3D da un immagine Riconoscimento di oggetti Manipolazione e navigazione Conclusioni 128 La luce riflessa dagli oggetti
Low Level Vision: Trasformata di Hough
Low Level Vision: Trasformata di Hough Prof Sebastiano Battiato Rilevamento di linee Le linee sono feature importanti perché permettono di definire analiticamente o approssimare molte forme (in particolare
Comunicazioni Elettriche II
Comunicazioni Elettriche II Laurea Magistrale in Ingegneria Elettronica Università di Roma La Sapienza A.A. 2017-2018 Capacità del canale discreto Teoria dell informazione Sorgente Codificatore di sorgente
DISTRIBUZIONE DEL REDDITO E POVERTÀ: DEFINIZIONI E PROBLEMI DI MISURA CONTENUTI DELLA LEZIONE
Lezione 6. DISTRIBUZIONE DEL REDDITO E POVERTÀ: DEFINIZIONI E PROBLEMI DI MISURA SdW SISTEMI DI WELFARE (P. Silvestri, 207-8) CONTENUTI DELLA LEZIONE. Le unità di misura 2. Le misure della disuguaglianza
Università degli Studi Mediterranea Facoltà di Ingegneria Fisica Matematica - A.A. 2001/2002 Appello del 25/09/2002
Università degli Studi Mediterranea Facoltà di Ingegneria Fisica Matematica - AA 2001/2002 Appello del 25/09/2002 1 Si risolva il seguente problema misto: 2 x = 0 2 ( u(x,0 = (x, 0 = 0, x [0,2] u(0, t
Funzioni per la descrizione delle immagini
Funzioni per la descrizione delle immagini Problemi della rappresentazione in piel Visti i limiti del template matching, non è pensabile di realizzare un sistema efficiente di riconoscimento che si basa
Impronte digitali. Motivazioni. Matching basato su correlazione e analisi del ridge pattern. Perché usare feature diverse dalle minuzie?
Impronte digitali Matching basato su correlazione e analisi del ridge pattern Annalisa Franco annalisa.franco@unibo.it Dario Maio dario.maio@unibo.it Motivazioni Perché usare feature diverse dalle minuzie?
Pattern matching e tipi di dato strutturati
Capitolo 3 Pattern matching e tipi di dato strutturati Per il momento abbiamo considerato un linguaggio funzionale (denominato SimpleCaml ) i cui unici tipi di dato sono interi, float, booleani e funzioni.
Processamento di immagini
Processamento di immagini Applicazioni Immagini biomediche Modifica di immagini Confronto e registrazione... Formazione Ogge=o in - > Immagine out Processamento Immagine in - > Immagine out Analisi Immagine
Aritmetica dei Calcolatori - Operazioni
Aritmetica dei Calcolatori - Operazioni Luca Abeni March 2, 2016 Implementazione di Operazioni su Numeri Interi Abbiamo visto come rappresentare numeri naturali ed interi in un computer... Sequenze di
2) Si consideri il seguente sistema d equazioni differenziali di due equazioni nelle due incognite u (x,y) e v (x,y): "x + x "u.
Anno Accademico 008/009 Appello del 17/0/009 1) In un piano Oxy un punto materiale P di massa m scorre lungo l asse verticale Oy, mentre un altro punto materiale Q di massa m scorre lungo una retta s disposta
Rappresentazione numeri relativi e reali
Rappresentazione numeri relativi e reali Lezione 2 Rappresentazione numeri relativi Rappresentazione numeri reali Rappresentazione in Modulo e Segno Rappresentare separatamente il segno (mediante un bit
Operazioni 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
Per definire un array è necessario fornire: Nome Tipo Dimensione. int v [5]; Gli array. Come per le altre variabili
GLI ARRAY Gli array Gli array sono strutture dati statiche, di tipo sequenziale, che consentono la memorizzazione e la gestione di uno o più dati omogenei (dello stesso tipo) raggiungibili per mezzo di
Trasformazioni Spaziali
http://imagelab.ing.unimo.it Dispense del corso di Elaborazione di Immagini e Audio Digitali Trasformazioni Spaziali Prof. Roberto Vezzani Trasformazioni Spaziali A differenza di un filtro convolutivo,
[Giuseppe Alessandri, Appunti]
Partendo da una differenziazione, oramai assodata, fra progettazione sul versante della razionalità tecnica e quello della complessità (Cristianini, tecnodid, 2001), è possibile sviluppare dei parallelismi
Modelli tradizionali e statistici applicati alla percezione (2/2) Francesco Panerai
Modelli tradizionali e statistici applicati alla percezione (2/2) Francesco Panerai Modulo integrativo del corso di - Sistemi Intelligenti Naturali e Artificiali - 2002/2003 Elementi di statistica bayesiana
Valutazione dell incertezza di categoria A e B
Valutazione dell incertezza di categoria A e B Il metodo per stimare l incertezza associata ad una misurazione è sancito dalla normativa UNI CEI ENV 13005 Guida all espressione dell incertezza di misura.
Statistica Applicata Corso di Laurea in Scienze Naturali a. a. 2016/2017
Statistica Applicata Corso di Laurea in Scienze Naturali a. a. 2016/2017 prof. Federico Plazzi 14 Giugno 2017 Nome: Cognome: Matricola: Alcune indicazioni: La prova è constituita da cinque esercizi; dopo
Trasformata di Fourier
Trasformata di Fourier Filtri lineari Filtri lineari Gli operatori locali che operano su una immagine mediante la convoluzione con maschere di pesi possono essere descritti mediante la teoria dei segnali
LA TOMOGRAFIA SISMICA PER LO STUDIO DI CAVITÀ ANTROPICHE. DATI SINTETICI E SPERIMENTALI.
Laureanda: Alessandra Carollo Relatore: Prof. Raffaele Martorana Correlatrice: Dott.ssa Patrizia Capizzi LA TOMOGRAFIA SISMICA PER LO STUDIO DI CAVITÀ ANTROPICHE. DATI SINTETICI E SPERIMENTALI. La presenza
Riconoscimento e recupero dell informazione per bioinformatica. Clustering: validazione. Manuele Bicego
Riconoscimento e recupero dell informazione per bioinformatica Clustering: validazione Manuele Bicego Corso di Laurea in Bioinformatica Dipartimento di Informatica - Università di Verona Sommario Definizione
DISGIUNTORI ELETTROMECCANICI ed ELETTRONICI per MOTORI ELETTRICI
www.xenonitaly.it DISGIUNTORI ELETTROMECCANICI ed ELETTRONICI per MOTORI ELETTRICI B03 B05 DTA DTB DEA DEB (1.0) Scelta del modello pagina 2 pagina 3 pagina 4 pagina 5 ITAL-CAP S.r.l. - Via L Aquila, 1/C
Comunicazioni Elettriche II
Comunicazioni Elettriche II Laurea Magistrale in Ingegneria Elettronica Università di Roma La Sapienza A.A. 2017-2018 Teoria dell informazione Esercitazione 3 Teoria dell informazione Sorgente Codificatore
Comunicazioni Elettriche II
Comunicazioni Elettriche II Laurea Magistrale in Ingegneria Elettronica Università di Roma La Sapienza A.A. 2017-2018 Esercitazione 18 Spread Spectrum / DS-CDMA CDMA Si basa sulla tecnica di Spread-Spectrum
Fondamenti di Informatica: Ingegneria Meccanica SOLUZIONI 26 marzo 2008
Fondamenti di Informatica: Ingegneria Meccanica SOLUZIONI 26 marzo 2008 Gli studenti dell a.a. 2007-2008 e 2006-2007 (6CFU) devono svolgere i 7 esercizi marcati 6CFU e 3/6 CFU. Gli studenti degli anni
Aerospaziali PER MATERIALI ISOTROPI PARTE 1. Prof. Claudio Scarponi Ing. Carlo Andreotti
Aerospaziali CRITERI DI ROTTURA STATICI PER MATERIALI ISOTROPI PARTE 1 Prof. Claudio Scarponi TIPOLOGIE DI SOLLECITAZIONE Un provino può essere sottoposto a 2 tipi di sollecitazione: 1. Semplice Statica
CORRELAZIONE NON PARAMETRICA
Fondamenti di psicometria Corso di Laurea triennnale (classe 34) CORRELAZIONE NON PARAMETRICA Spesso capita di non avere a disposizione delle misure di tipo metrico per le due variabili, X e Y, che si
DISTRIBUZIONE DEL REDDITO E POVERTÀ: DEFINIZIONI E PROBLEMI DI MISURA CONTENUTI DELLA LEZIONE
Lezione 6. DISTRIBUZIONE DEL REDDITO E POVERTÀ: DEFINIZIONI E PROBLEMI DI MISURA SdW SISTEMI DI WELFARE (P. Silvestri, 208-9) CONTENUTI DELLA LEZIONE. Le unità di misura 2. Le misure della disuguaglianza
Analisi delle corrispondenze
Capitolo 11 Analisi delle corrispondenze L obiettivo dell analisi delle corrispondenze, i cui primi sviluppi risalgono alla metà degli anni 60 in Francia ad opera di JP Benzécri e la sua equipe, è quello
BASI DI DATI: Dal problema reale al modello concettuale
BASI DI DATI: Dal problema reale al modello concettuale a cura del Prof. Claudio Traini Rev. a.s 2018-2019 algoritmi + strutture dati = programmi Niklaus Wirth Organizzazione / Azienda Sistema Informativo
Dipartimento di Matematica, Informatica ed Economia (DiMIE) Statistica. Antonio Azzollini
Dipartimento di Matematica, Informatica ed Economia (DiMIE) Statistica Antonio Azzollini antonio.azzollini@unibas.it Anno accademico 2017/2018 Quartili e distribuzioni di frequenze Stanze Appartamenti
8th May () Confronto di forma mediante funzioni di taglia e gruppi di omologia 8thpersistente
Confronto di forma mediante funzioni di taglia e gruppi di omologia persistente 8th May 2008 () Confronto di forma mediante funzioni di taglia e gruppi di omologia 8thpersistente May 2008 1 / 35 Confronto
Informatica Generale Andrea Corradini Gli algoritmi e la risoluzione di problemi
Informatica Generale Andrea Corradini 12 - Gli algoritmi e la risoluzione di problemi Sommario Che significa risolvere un problema? Algoritmi e programmi Rappresentazione di algoritmi Lo pseudocodice Primitive
Moltiplicazione veloce di interi
Moltiplicazione veloce di interi Ogni numero intero w di n cifre può essere scritto come 10 n/2 w s + w d w s indica il numero formato dalle n/2 cifre più significative di w w d denota il numero formato
MMAC - Lauree Magistrali Scienze Chimiche - 12 Maggio sol
MMAC - Lauree Magistrali Scienze Chimiche - 1 Maggio 011- sol Esercizi I - Soluzioni (1) Il grafico è una curva, ma in R 4, era implicito nell esercizio che graficamente si voleva il sostegno della curva
Analisi dei segnali nel dominio del tempo
Laboratorio di Telecomunicazioni - a.a. 200/20 Lezione n. 3 Analisi dei segnali nel dominio del tempo L.Verdoliva In questa seconda lezione determiniamo, con l uso di Matlab, i parametri che caratterizzano
Riconoscimento 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
Lezione 3. Statistica. Alfonso Iodice D Enza Università degli studi di Cassino. Lezione 3. A. Iodice
Statistica Alfonso Iodice D Enza iodicede@unicas.it Università degli studi di Cassino La () Statistica 1 / 27 Outline La 1 2 3 4 5 6 Proprietà del 7 La () Statistica 2 / 27 La Si consideri il carattere
Tabelle punteggi generali di italiano
Tabelle punteggi generali di italiano (rispetto all istituzione scolastica nel complesso) Tabelle punteggi generali di matematica (rispetto all istituzione scolastica nel complesso) La percentuale di risposte
Morfologia Matematica su immagini in scala di grigio
Morfologia Matematica su immagini in scala di grigio Dilation, erosion, opening, closing Top-Hat, Bottom-Hat Algoritmi Morfologici in scala di grigio Dalle immagini binarie alle immagini in scala di grigio
Video 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
Comunicazioni Elettriche II
Comunicazioni Elettriche II Laurea Magistrale in Ingegneria Elettronica Università di Roma La Sapienza A.A. 27-28 Teoria dell informazione Esercitazione 7 Teoria dell informazione Sorgente Codificatore
Il ruolo dell incertezza nelle misure ambientali e nel loro confronto con i limiti
Il ruolo dell incertezza nelle misure ambientali e nel loro confronto con i limiti Alessandro Ferrero Alessandro Ferrero Dipartimento di Elettrotecnica Politecnico di Milano Controllo ambientale degli
Modelli e metodologie per l analisi strategica
Modelli e metodologie per l analisi strategica Realizzazione del progetto e controllo strategico Vicenza, A.A. 2011-2012 Schema ANALISI VISION PROGETTO STRATEGICO STRATEGIC DESIGN REALIZZAZIONE E CONTROLLO
Un modello computazionale per la detezione dei bordi
Modelli e Principi della Percezione Data: AA 2010-11 Un modello computazionale per la detezione dei bordi Docente: Prof. Giuseppe Boccignone Scriba: 1 Il problema Il problema della modellazione di un processo
Statistica. Alfonso Iodice D Enza
Statistica Il e Alfonso Iodice D Enza iodicede@unicas.it Università degli studi di Cassino () Statistica 1 / 21 Outline Il e 1 2 3 Il 4 e 5 () Statistica 2 / 21 Il e Due distribuzioni aventi stessa posizione
DISGIUNTORI ELETTROMECCANICI ED ELETTRONICI PER MOTORI ELETTRICI
DISGIUNTORI ELETTROMECCANICI ED ELETTRONICI PER I ELETTRICI INDICE Serie elettromeccaniche - Modello B03 - B05 - U60 UL...Pag 2 Serie elettroniche analogiche - Modello DTA - DTB - DT UL...Pag 3 Serie elettroniche
Calcolo numerico e programmazione Rappresentazione dei numeri
Calcolo numerico e programmazione Rappresentazione dei numeri Tullio Facchinetti 16 marzo 2012 10:54 http://robot.unipv.it/toolleeo Rappresentazione dei numeri nei calcolatori
Studio di tecniche per la rivelazione di traiettorie di veicoli in movimento in sequenze video
Dipartimento di Elettronica e Telecomunicazioni Università di Firenze Laboratorio Comunicazioni & Immagini Studio di tecniche per la rivelazione di traiettorie di veicoli in movimento in sequenze video
DISGIUNTORI ELETTROMECCANICI ED ELETTRONICI PER MOTORI ELETTRICI
DISGIUNTORI ELETTROMECCANICI ED ELETTRONICI PER I ELETTRICI INDICE Serie elettromeccaniche - Modello B03...Pag 2 - Modello B05...Pag 2 Serie elettroniche analogiche - Modello DTA...Pag 3 - Modello DTB...Pag
TEST ARGOMENTI TECNICI NOVEMBRE 2016
TEST ARGOMENTI TECNICI NOVEMBRE 2016 1) Se un veicolo viaggia alla velocità costante di 20 m/s il tachimentro segna: 20 Km/h 72 Km/h 36 Km/h d) 5.5 Km/h 2) Che carico puo sollevare un verricello della
Informatica A aa Seconda prova in itinere. Esempi di esercizi possibili
Informatica A aa 2002-03 Seconda prova in itinere Esempi di esercizi possibili Struttura della prova-parte 1 Fortran: comprensione di un programma dato (semplice) Reti: domanda teorica (per verificare
Trasformata di Hough
Riconoscimento di forme Il problema fondamentale nella visione artificiale è il riconoscimento di oggetti Soluzione intuitiva: Uso un modello (template) Il modello scorre sull immagine e lo si confronta
Outline. 1 La forma di una distribuzione. 2 Indici di asimmetria. 3 Indice di asimmetria per variabili qualitative ordinate.
Statistica Alfonso Iodice D Enza iodicede@unicas.it Università degli studi di Cassino () Statistica 1 / 22 Outline 1 2 3 4 5 6 () Statistica 2 / 22 Due distribuzioni aventi stessa posizione e variabilità
Social Sensing for Breaking News
ACCORDO DI PROGRAMMA QUADRO MIUR-ACT-REGIONE TOSCANA DGRT 758/2013 e s.m.i. PAR FAS 2007-2013 - Linea d'azione 1.1 BANDO FAR-FAS 2014 Social Sensing for Breaking News http://www.smart-news.it/ Il Partenariato
j B Dati: ω1=100 rad/s velocità angolare della manovella (1); l = 250 mm (lunghezza della biella 2); r = 100 mm (lunghezza della manovella 1).
j B A l 2 1 ω1 r ϑ i Piede di biella Testa di biella Biella Braccio di manovella Siti interessanti sul meccanismo biella-manovella: http://it.wikipedia.org/wiki/meccanismo_biella-manovella http://www.istitutopesenti.it/dipartimenti/meccanica/meccanica/biella.pdf
Statistica. Antonio Azzollini
Dipartimento di Matematica, Informatica ed Economia (DiMIE) Statistica Antonio Azzollini antonio.azzollini@unibas.it Anno accademico 2018/2019 Quartili e distribuzioni di frequenze Stanze Appartamenti
CORSO DI STATISTICA (parte 1) - ESERCITAZIONE 6
CORSO DI STATISTICA (parte 1) - ESERCITAZIONE 6 Dott.ssa Antonella Costanzo a.costanzo@unicas.it Esercizio 1. Associazione, correlazione e dipendenza tra caratteri In un collettivo di 11 famiglie è stata
Fondamenti di Informatica. Definizione di Algoritmo. Algoritmo Euclideo. Prof.V.L.Plantamura Informatica e Comunicazione Digitale a.a.
Fondamenti di Informatica Prof.V.L.Plantamura Informatica e Comunicazione Digitale a.a. 006-007 Definizione di Algoritmo Def.: Per Algoritmo si intende un elenco di istruzioni che specificano una serie
Bag of (visual) Words. BoW. Input image. Dizionario visuale. Rappresentazione
Bag of (visual) Words BoW Il modello è stato proposto con l obiettivo di rappresentare un immagine tramite un dizionario visuale. Il metodo BoW si ispira alle tecniche di rappresentazione dei documenti
Statistica a.a Autovalutazione 1
Statistica a.a. 016-17 Autovalutazione 1 CORSO: Diritto per le Imprese e le Istituzioni ATTENZIONE: alle domande aperte è stato dato un possibile esempio di risposta, altre parole possono essere usate
Esercitazione 2. Espressioni booleane Il comando if-else
Esercitazione 2 Espressioni booleane Il comando if- Espressioni booleane L espressione (i==100) è un espressione booleana. La sua valutazione può restituire solo uno dei due valori booleani true = 1 (in
Esercitazione III Soluzione
Esercitazione III Soluzione Esercizio 1 a) Frequenze congiunte assolute: n ij Reddito mensile Titolo di studio 1000-000 000-5000 5000-8000 Totale Laurea triennale 4 1 0 5 Laurea magistrale 1 4 7 Dottorato
Appunti di Excel per risolvere alcuni problemi di matematica (I parte) a.a
Appunti di Excel per risolvere alcuni problemi di matematica (I parte) a.a. 2001-2002 Daniela Favaretto* favaret@unive.it Stefania Funari* funari@unive.it *Dipartimento di Matematica Applicata Università
Warranty. and. quality made
1965 Warranty and quality made Italy in 1965 1965 Preventivi gratuiti Progettazione personalizzata Supporto cantiere Collaudo Certificazioni Assistenza diretta Corsi aggiornamento Qualità tutta italiana
MICROECONOMIA Teoria dell impresa
MICROECONOMIA Teoria dell impresa Abbiamo delineato i tratti essenziali della Teoria del Consumatore e abbiamo definito la funzione di domanda Adesso prestiamo la nostra attenzione all impresa che produce
Riconoscimento e recupero dell informazione per bioinformatica
Riconoscimento e recupero dell informazione per bioinformatica Clustering: validazione Manuele Bicego Corso di Laurea in Bioinformatica Dipartimento di Informatica - Università di Verona Sommario Definizione
Capitolo 12. Suggerimenti agli esercizi a cura di Elena Siletti. Esercizio 12.1: Suggerimento
Capitolo Suggerimenti agli esercizi a cura di Elena Siletti Esercizio.: Suggerimento Per verificare se due fenomeni sono dipendenti in media sarebbe necessario confrontare le medie condizionate, in questo
Analisi Vettoriale - Primo esonero - 26 ottobre 2006
Analisi Vettoriale - Primo esonero - 26 ottobre 26 Esercizio 1. ia F (x, y) = e xy + x 2 y 2x 2y + 1. a) imostrare che l equazione F (x, y) = definisce implicitamente, in un intorno del punto P = (1, ),
/05/2013 Riconoscimento facciale 1
I Sistemi Biometrici: riconoscimento del volto Michele Nappi, Ph.D Università degli Studi di Salerno mnappi@unisa.it biplab.unisa.it it 089-963334963334 24/05/2013 Riconoscimento facciale 1 Perché il volto
Corso di Visione Artificiale. Texture. Samuel Rota Bulò
Corso di Visione Artificiale Texture Samuel Rota Bulò Texture Le texture sono facili da riconoscere ma difficili da definire. Texture Il fatto di essere una texture dipende dal livello di scala a cui si
Lezione 7 Aritmetica in virgola mobile (1)
Lezione 7 Aritmetica in virgola mobile (1) Vittorio Scarano Architettura Corso di Laurea in Informatica Università degli Studi di Salerno Un ripasso Un quadro della situazione: dove siamo, dove stiamo
Teoria dei Fenomeni Aleatori AA 2012/13. Il Concetto di Distribuzione Condizionata ( )
Il Concetto di Distribuzione Condizionata Se B è un evento, la probabilità di un evento A condizionata a B vale: ponendo: P A B = ( ) P A B P B A = { x} si giunge al concetto di distribuzione condizionata
Filtraggio nel Dominio della Frequenza
Filtraggio nel Dominio della Frequenza Parte 2 Filtro di enfasi ad alta frequenza Solitamente i filtri passa alto riducono a zero il termine dc, dunque riducono l intensità media nell immagine filtrata
Prerequisiti didattici
Università degli Studi di Ferrara 2014-2015 Corso TFA - A048 Matematica applicata Didattica della matematica applicata all economia e alla finanza 1 aprile 2015 Appunti di didattica della matematica applicata
Introduzione allo Scilab Parte 5: funzioni su matrici; intervalli, grafici.
Introduzione allo Scilab Parte 5: funzioni su matrici; intervalli, grafici. Felice Iavernaro Dipartimento di Matematica Università di Bari http://dm.uniba.it/ iavernaro felix@dm.uniba.it 26 Giugno 2007
Capitolo 1 ANALISI COMPLESSA
Capitolo 1 ANALISI COMPLESSA 1 1.2 Funzioni Complesse Una funzione complessa di variabile complessa f : E C, E C è un applicazione ce associa un numero complesso f(z) ad ogni z E, con E sottoinsieme del
Statistica. Alfonso Iodice D Enza
Il e Statistica Alfonso Iodice D Enza iodicede@gmail.com Università degli studi di Cassino () Statistica 1 / 19 Outline Il e 1 2 3 Il 4 e 5 () Statistica 2 / 19 Il e Due distribuzioni aventi stessa posizione
Y M F Calcolare X e darne un adeguata interpretazione;
Corso di Laurea INTERACOLTÀ - Esercitazione di tatistica n 4 EERCIZIO 1: Nella tabella sono riportati i dati inerenti il numero di anni di attività () ed il sesso () di 48 agenti di commercio dell azienda
Sia (Γ,+) un gruppo abeliano, denotiamo con 0 il suo elemento neutro. Γ = P {0} P dove P := { x x P }
Capitolo 3 Valutazioni Sia (Γ,+) un gruppo abeliano, denotiamo con 0 il suo elemento neutro. Definizione 3.1. Si dice che un gruppo Γ è un gruppo ordinato se è dato un sottoinsieme P Γ, chiuso additivamente,
Sviluppi matematici per il calcolo delle funzioni di correlazione tra segnali elettrici
Sviluppi matematici per il calcolo delle funzioni di correlazione tra segnali elettrici 1) La funzione di correlazione di segnali sinusoidali. L algoritmo di calcolo della funzione di correlazione tra
Statistica. Alfonso Iodice D Enza
Statistica Alfonso Iodice D Enza iodicede@unina.it Università degli studi di Cassino () Statistica 1 / 1 Outline () Statistica 2 / 1 La curtosi La curtosi è la caratteristica della forma della distribuzione
C.D.V. Italia Srl DGID. C.D.V. Italia Srl
DGID I. Caratteristiche generali Software di DGID Sistema minimo richiesto: Pentium CPU, 166MHz 32 MB di memoria 3 MB di spazio su disco, 5 MB di spazio su disco durante installazione Scheda graficada
Primi esercizi sulla ricerca di punti di estremo assoluto
Primi esercizi sulla ricerca di punti di estremo assoluto Riccarda Rossi Università di Brescia Analisi II Riccarda Rossi (Università di Brescia) Esercizi su estremi assoluti (I) Analisi II 1 / 42 Richiami
UNIVERSITÀ DEGLI STUDI DI PAVIA Laurea in Ingegneria Elettronica e Informatica
22.0.206 Problema Con riferimento al circuito in figura, nel quale entrambi gli interruttori si aprono all istante t = 0, determinare l espressione di i(t) (per ogni istante di tempo t) e rappresentarne
Massimi e minimi vincolati
Massimi e minimi vincolati Vedremo tra breve un metodo per studiare il problema di trovare il minimo e il massimo di una funzione su di un sottoinsieme dello spazio ambiente che non sia un aperto. Abbiamo
TEX-STORE. La nuova visione del Merchandising. crea solution
TEX-STORE La nuova visione del Merchandising Non crederete ai vostri occhi TEX-STORE è una soluzione comunicativa, un programma per la presentazione visiva e il merchandising dei negozi di abbigliamento
Esercizio 2. Consideriamo adesso lo spazio di funzioni V = {f : [0, 1] R}. Dire quali dei seguenti insiemi di funzioni sono sottospazi.
1 Esercizi 1.1 Spazi vettoriali Studiare gli insiemi definiti di seguito, e verificare quali sono spazi vettoriali e quali no. Per quelli che non lo sono, dire quali assiomi sono violati. x 1, x 2, x 3
BASI DI DATI: Dal problema reale al modello concettuale. a cura del Prof. Claudio Traini
BASI DI DATI: Dal problema reale al modello concettuale a cura del Prof. Claudio Traini algoritmi + strutture dati = programmi Niklaus Wirth L approccio Fasi del processo di realizzazione di una base
LICEO ARTISTICO. Il diplomato alla fine del percorso di studi è in grado di:
LICEO ARTISTICO Il diplomato alla fine del percorso di studi è in grado di: Competenze comuni a tutti i licei padroneggiare la lingua italiana in contesti comunicativi diversi, utilizzando registri linguistici
Documentazione della progettazione
DOMINO Documentazione della progettazione o tessere riguardanti figure semplici e familiari per i bambini o le figure delle tessere non sono riferite ad un tema specifico o l attributo topologico scelto
Corso di Psicometria Progredito
Corso di Psicometria Progredito 5. La correlazione lineare Gianmarco Altoè Dipartimento di Pedagogia, Psicologia e Filosofia Università di Cagliari, Anno Accademico 2013-2014 Sommario 1 Tipi di relazione
COMPUTER 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: