Traduzione del testo VISUAL INFORMATION RETRIEVAL DI Amarnath Gupta & Ramasi Jain

Dimensione: px
Iniziare la visualizzazioe della pagina:

Download "Traduzione del testo VISUAL INFORMATION RETRIEVAL DI Amarnath Gupta & Ramasi Jain"

Transcript

1 Traduzione del testo VISUAL INFORMATION RETRIEVAL DI Amarnath Gupta & Ramasi Jain Tradotto da Giacomazzi Luca web.fiscali.it/mastrosblindo a proud memeber of the-skulls Licenza Capsula : se leggete questo documento e pensate che non sia utile, o la traduzione sia brutta e inefficiente fottetevi pure, e continuate a leggerlo in inglese. Se volete diffondere questo documento, ne andrebbe della vostra reputazione, oltre che della vostra verginita anale, in quanto appena il documento passera di mano verrete irrimediabilmente fottuti da un montone delle Ande, geneticamente modificato, che risponde al nome di ATTILA III che ha vissuto 10 anni in pura castita nei laboratori segreti delle suddette Ande. Fate bene i vostri conti Copyrigt 2003 by Giacomazzi Luca Nel 1951, il ricercatore e uomo di businnes Calvin Moores conio il termine information retrieval per descrivere il processo con cui un utente di un informazione puo convertire una richiesta di informazione in una collezione di riferimenti utili. Moores si riferiva al recupero di documenti testuali, ma la sua descrizione cattura quello che un sistema di information retrival deve fare. Qui estenderemo questa nozione a risorse non testuali. Si consideri una collezione di video clips e un agenzia pubblicitaria che sta cercando la giusta metrica per una nuova richiesta di un cliente Find me a clip, dove per due secondi una macchina rossa passi lungo un hillside in un giorno luminoso, che scompaia quando la strada passa dietro la collina. Ora immaginiamo di scrivere questa query usando un motore di ricerca testuale. Per fare questo permutando le parole chiave per trovare il documento giusto diventa frustante. Inoltre gli statements della query generano in molte persone immagini mentali simili, una specifica testuale che identifichi sempre lo stesso video clip non e facile da formulare. La difficoltà si presentano in parte xke e impossibile garantire il video annotator e la pubblicazione dell utente una query ad hoc usando espressioni simili per descriver un clip. C e un'altra ragione piu profonda. L informazione cercata e inerente al linguaggio figurato che a un linguaggio testuale, e anche se potente, non e adeguata ad esprimere delle query per un processo di retrieval efficiente. Il ruolo emergente dei sistemi di Visual Information Retrieval (VIR) e di andare oltre ai descrittori basati sul testo, per trarre, memorizzare e recuperare queste informazioni di linguaggio figurato contenuti nei media visuali. La premessa base dietro i sistemi VIR e che immagini e video sono le entita basi su cui ricercare, e gli utenti devono essere capaci di query il loro contenuto facilmente come se ricercassero documenti testuali, senza annotazioni manuali. Queryng content-based alphanumeric information e un esempio perfetto di un nuovo paradigmo descritto da H.Liebermann del MIT media laboratori : Fondamentalmente deve cambiare il modo con cui guardiamo ai problemi a cui abbiamo guardato in passato. Deve darci un nuovo framework per pensare ai problemi per il futuro Quando esperti in differenti campi guardano con curiosita e ammirazione ad ogni altro dominio, e cercano punti e prospettive in comune, risultano nuovi paradigmi Effettivamente il dominio di VIR hanno ereditatio i componenti di analisi della visione computerizzata e la componente delle query dai sistemi di database, unendo discipline vecchie dell informatica : database managment e information retrieval systems e image procession e computer vision. Per introdurre le caratteristiche e le tecniche di VIR annunciamo tre questioni base:

2 Cosa costituisce il contenuto informativo di un immagine o di un video in un contesto specifico di ogni applicazione? Con quale significato un utente puo specificare una ricerca per un pezzo di informazione Quanto e efficiente ed accurato il processo di retrieval COS E VISUAL INFORMATION? Due tipi di informazione sono associati ad oggetti visuali (immagini o video): informazion sull oggetto, detti metadati, e informazioni contenute dentro l oggetto dette caratteristiche visuali. I metadati sono alfanumeriche e generalmente esprimibili come uno schema di un database relazionale o object oriented. Le caratteristiche visuali dono derivcate attraverso processi computazionali, tipicamente analisi di immagini, computer vision, e routines computazionali geometriche, eseguite sugli oggetti visuali. La caratteristiche piu comuni che possono essere calcolate sono basate sui valori dei pixel dei dati grezz, e molti dei primi sistemi di database di immagini usanvano i pixel come base dei loro data models. Questi sistemi possono rispondere a query del tipo: trova tutte le immagini per cui dal 100-esimo al 200-esimo pixel sono arancioni, se l arancione ha dei valori (rosso 255, verde 130 e blu 0) trova tutte le immagini che hanno lo stesso colore nela regione centrale, come una particolare. La regione centrale puo essere specificato da un sistema di coordinate, e l espressione dello stesso colore di solito e definito calcolando la distanza di colore. Una variante della distanza euclidea e spesso usata per confrontare due valori di colore. Trova tutte le immagini che sono versioni shiftate di questa immagine, in cui il massimo spostamento consentito e D. Se i requisti dell utente sono soddisfatti con queste classi di query, la modellazione della struttura dati per Visual information e abbastanza semplice. In realta un modello basato sui pixel soffre di alcuni inconvenienti: 1. E molto sensibile al rumore e quindi una coppia di pixel rumorosi e sufficiente a scartare un immagine candidata per le prime due query 2. Traslazioni e rotazioni non sono desiderate come proprieta di un immagine. Se un immagine e ruotata non viene presa in considerazione dal terzo tipo di query 3. oltre al rumore anche le variazioni di luminosital e altre condizioni che affliggono i valori dei pixel drasticamente danno risutlati non corretti per le query. Queste limitazioni non sono per dire che un tale modello basato sui pixel sia inefficent. Si possono ottenere segmentazioni di video significanto misurando le differenze fra pixel nel temo. Per esempio un brusco cambiamento di scena puo essere modellato trovando alte discontinuità nella proiezione temporale di differenze comulative di pixel fra i frames. Tuttavia, inf. Retrieval basato solo sui valori dei pixels non e buono di per se stesso. Ancora, consideriamo un database di immagini aeree in cui gli unici oggetti di interesse sono edifici, veicoli a terra, velivoli,strade e terreni. Inoltre immaginiamo che un interprete umano disegna rettangoli di contorno per ogni regione in un immagine in cui uno o piu di questi 5 tipi di oggetti appaiono e etichetta le aree in accordo con gli oggetti contenuti. Ora abbiamo una specifica precisa dell informazione contenuta nell immagine. Questa informazione puo essere direttamente modellata da un database relazionale che mantinene la locazione (bounding box) di ogni tipo di oggetto e a timestamp di ogni immagine. Con alcuni processi geometrici aggiuntivi possiamo rispondere a queste query complesse.

3 C e qualche locazione dove piu di 5 veicoli di terra sono vicini a edifici allocati nel mezzo di un terreno in generale C e stato qualche variazione nella posizione dei veicoli volanti in un lasso di tempo?? Quale strada di approccio e stata usata dei veicoli nel passaggio di divesi giorni per avvicinarsi agli aircrafts. Mentre queste query sono espressive, la parte piu cruciale dell information retrieval- estrazione di informazioni- e fatto da un uso della conoscenzaa e esperienza umana nell interpretazione dell immagine aerea. La ragione xke questo task richiede l uomo e semplice: l interpretazione automatica di immagini aeree e tuttora un problema irrisolto. Dall altra parte, se l uomo estrae l informanzione utile, puo usare un sistema di database spaziale per organizzare e recupeare le informazioni. In una vita reale un approccio del genera alla sorveglianza aerea e irreale. Per un applicazione militare, il territorio sotto sorveglianza e largo abbastanza per aver bisogno di molte telecamere che riprendano. Tutte ste immagini occuperebbero un buono spazio, e ci sono buone possibilita di errori di interpretazioni Molte applicazioni per VIR cadono fra automated pixel oriented information models and fully human assisted database schemes. Non richiedono pixel level queries, ne sono limitati a qualche classe di oggetti. Per queste applicazioni di mezzo, l informazione visuale puo essere definita in termini di image-processing trasformations computer on the visual object. Anche se sono possibili molte trasformazioni rendono caratteristiche visuali significanti, e qui esporremo solo alcuni semplici esempi. COLORE: Supponiamo tutte le immagini in una collezione siano colorate. Il colore e tipicamente caratterizzato da due variabili: tonalita e saturazione. La tonalita denota lo spettro dei colori: la saturazione per ogni tonalita data indica quanto grigio e aggiunto al colore puro. Assumiamo che il sistema calcoli un istogramma 2d di tonalit e saturazione per ogni immagine, cosi rosso e rosa occupano diversi scomparti nell istogramma. Con questo calcolo, un utente puo chiedere le seguenti query: trovare tutte le immagini in cui piu del 30% dei pixel siano blu cielo e piu del 25% dei pixels sono verde erba Ordinare gli insiemi di questa immagine in ordine dercrescente per trovare i 5 colori dominanti. E trovare quelle con gli stessi colori dominanti Misurare la distanza dei colori fra due immagini calcolando prima la differenza fra istogrammi e la somma delle differenze su tutti i bins. Trovare tutte le immagini con la distanza di colore D di questa immagine COLOR COMPOSITION: Calcolare l istogramma dei colori, per ogni immagine, come prima. Poi spezzare l immagine in 4 quadranti e calcolare per ognuno di essi l istogramma. Continuare questa procedura fino a quadrati 16*16 pixels. Il risultato e una struttura dati detta quadtree di istogrammi che e un astrazione astratta del grafo generale. Questa astrazione puo essere usata per fare altre query come: trovare tutte le immagini con piu del 20% di pixels rosso/arancio nel quadrato in alto a dx, piu del 20% pixel gialli in alto a sx, e 30 % di pixels dal marrone al marrone scuro nella meta inferiore dell immagine Trovare tutte le immagini con un red patch nel centro dell immagine e con una pezza blu intorno ad essa

4 FORME: Assumer la collezione di sole clip art. Di solito sono composte di colori puri(senza grigi, solo tonalita ). Segmentiamo ogni immagine in un numero di regioni colroeate in modo che ogni regione connetta un insieme di punti che hanno lo stesso colore puro. Per ogni segmento, si calcolino 4 proprieta: colore, area,elongation (rapporto del quadrato del perimetro e l area) e centralità (distanza dal centroide della regione dal centro dell immagine normalizzata dalla lunghezza dell immagine) Inoltre ogni immagine puo essere astratta come una lista di segmenti, ognuno con queste quattro proprieta. Usando questa lista si possono ottenere le seguenti queries. trovare tutte le immagini che hanno un quadrato bianco nel centro Trovare tutte le immagini contenenti due cerchi blu e segmenti ellittici rossi chiusi al centro. FACE RETRIEVAL Un VIR famoso e quello di ricerca delle facce sviluppato al MIT. Il sistema manipola geometricamente ogni faccia data in input in modo che sia su uno stesso sistema di coordinate. I ricercatori provarono il loro sistema con un gran numero di queste facce calcolando 20 caratteristiche rappresentando ogni faccia umana con un certo grado di dettaglio. Anche se queste caratteristiche non corrispondono a parti fisiche significative della faccia (come occhi, naso, bocca ) raccolgono abbastanza informazioni matematiche per trovare facce simili con buona precisione. Lo scopo di queste trasformazioni di immagine e di astrarre un insieme di proprieta dagli oggetti visuali sufficienti da permettere che siano interrogate con una query. Si spera che servano per estrarre livelli alti di informazione che sono iu robusti, con un significato piu intuitivo, e piu strutturati rispetto a bit grezzi. Non inaspettatamente se la trasformazione aumenata il significato, diventa difficile automatizzare queste operazioni. Per esempio, nel face retrieval, solo i systems designer necessitano di training per fare retrival effettivo. Nei database di immagini mediche, l estrazione completamente automatizzata e un problema di ricerca. L esperienza generale e che l analisi totalmente automatica lavora bene su domini piccoli e controllati ed e molto intensiva per via dei calcolo. Inoltre controllare l imput in ogni database non e molto pratico. Muovendosi dalle immagini al video si aggiungono altri ordini di complessita. Molti ricercatori e sviluppi commerciale prendono il seguente approccio: considerano il video clip come un gran numero di immagini (frames) con un progressivo variare del contenuto dell immagine. Da questa sequenza, trovare i frames a cui corrisponde una transizione significnate del contenuto dell immagine. I segmenti del video fra queste due transizioni sono detti shots. Usando alcune strategie di campionamento per estrarre alcuni frammenti chiave da questi shots. Trattiamo ogni key frame come un immagine su cui fare lo stesso processo che puo essere fatto sulle altri immagini. Ma questo approccio non fa buon uso delli informazione temporale e del movimento. I video contengono tre tipo di informazioni sul movimento: una dovuta ai movimenti dell oggetto dentro la scena una dovuta ai movimenti della camera una dovuta a fase di post processing come image warping Alcuni sistemi usano la codifica del movimento nella compressione del video (MPEG) per estrarre le informazioni sul movimento. Questi sistemi lavorano bene per movimenti di oggetti isolati nella scena. Alcuni sistemi scartano l intero problema dell estrazione di infrmazioni da i video e assumono che siano disponibili descrizioni simboliche delle sequenze di immagini. Questi sistemi trattano video information come un problema di ricerca in un database, per proprieta spazio-

5 temporali di oggetti rigidi. Idealmente un tale sistema deve integrare tutti i pezzi differenti entro un framework singolo, ma non siamo ancora arrivati a questo punto. SPECIFICARE UNA QUERY PER VIR L intento primario di una query visuale deve catturare l immagine mentale dell utente di una specifica figura o immagine video. Uno sitle di ricerca, che si evolve da approcci tradizionali, ha sviluppato sia le query testuali sia quelle grafiche. Un linguaggio per query testuali come PICQUERY+ e stato costruito per comporre una descrizione visuale con attributi testuali specifici e operatori relazioni spaziali, temporali, evoluzionarie. In un linguaggio a query visuale l utente visualizza icone di oggetto per specificare la locazione, orientamento e dimensione degli oggetti dentro l immagine desiderata. Image information sistems recentemente sviluppato si appoggiano di piu ad un paradigma queryby-exemple.. Ci sono due differenti modi per trovare un esempio. Nel primo modo l esempio e una figura, l utente specifica un'altra immagine oppure ne disegna una. Alcuni sistemi recenti inoltre permettono agli utenti di raffinare le loro query, lanciando una nuova query oppure modificando un immagine risultante con un processing tool per le immagini per specificare criteri addizionali che l immagine da recuperare deve soddisfare. Alcune operazioni possono includere il cancellamento di parte dell immagine, cambiando il livello di luominosita, o dipingendo una parte dell immagine con un certo colore. Un altro tipo di query raffinament coinvolge il cambiamento dei pesi relativi delle caratteristiche visuali, e il sistema riordina i risultati precedenti secondo i nuovi pesi. La specifica delle query e piu complessa per i video. Con il grado attuale di sviluppo, i sistemi sono piu inerenti all individuazione delle transizioni o svillupano l algoritmo giusto per l estrazione dei keyframes piuttosto che alla realizzazione delle query video. Questi sistemi tipicamente offrono semplici video queries come per esempio: trovare una collezione video con keyframe come un immagine data Ordinare i clips in una collezione video in ordine di similarita con un video clip dato, in cui i criteri di somiglianza possono essere specificati e alterati impostando e aggiustando parametri visuali e di movimento mostrati all utente Indicare il video clip dato al frame che e uguale ad un immagine specificata Indicare il video clip al frame che che ha la piu alta somiglianza di frame con una query video data. La maggior parte dei sistemi VIR correnti sono limitati nei tipi di query che possono fare. Lo sviluppo di un linguaggio completo per i beni visivi e un compito difficile. Tuttavia, la specifica delle query per l informazione visuale non deve essere fatta esclusivamente con un esempio o con un paradigmo basato sulla specifica ma attraverso una collezione di tools differenti che insieme servono come un query lenguage per VIR. Tali tool sono: Un image-processing tool: Un tool che iterattivamente segmenta l immagine o modifica le proprietà di una regione locale dell immagine. Dovrebbe essere uato sia durante il processo di inserimento dell immagine per permettere l analisi dell immagine, e durante l espressione della query per esprimere condizioni di ricerca su regioni specifiche dell immagine. Un tool di manipolazione delle caratteristiche dello spazio: un tool che permetta una miglior specifica delle condizioni di ricerca sulle caratteristiche di un immagine anziché sopra un'immagine. Le queries basate su istogrammi sono un esempio sono un esempio di questa classe di queries. Piu in generale, un tal tool permetterebbe all'utente di esplorare lo spazio delle caratteristiche e

6 specificare una domanda di vicinanza ad una query. Una query potrebbe essere: se ogni immagine e vista come un punto in uno spazio vettoriale a n dimensioni, trovare le x immagini con distanza d dall immagine data Mentre molti dei sistemi correnti supportano questo tipo di query, loro eseguono ciecamente e non permettono all utente di navigare iterattivamente nello spazio delle caratteristiche e modificare le condizioni della uqery basate su questa iterazione. Un object specification tool: Un tool che risolve il conflitto potenziale fra query che gardano con condizioni di ricerca sulle immagini e quelle che gardano le condizioni di ricerca su oggetti individuabili sull immagine. Per illustrare questa differenza, le tre immagini contenute in figura 5 sono molto diverse nella loro contenuto generale dell immagine ma contengono oggetti simili,dove l oggetto di interesse occupa solo una parte dell immagine. Lo stesso e vero per i video : un oggetto per una query deve poter essere specificato analizzando la seqenza di imagini attraverso motion grouping. Un measurement specification tool: un tool da utilizzare in tutti i domini in cui la dimensione degli oggetti o di regioni in un immagine sono un argomento importante. Un tale tool deve permettere all utente di fare misure on line e prevedere condizioni di tolleranza sulle region della query. Inoltre deve permettere all utente di recuperare diverse versioni zoomate della stessa immagine Un tool di classificazione: Un tool che permetta all utente di fare operazioni di raggruppamento su oggetti visuali attraverso la specifica di un criterio di raggruppamento su una o piu caratteristiche di interesse. Un tool di adattamento spaziale:un tool che permetta all utente di specificare queries locationsensitive e muovere gli oggetti della query denotati dall object specification tool di posizionarli in un posto di interesse. Inoltre deve permettere se l utente di posizionare la sensibilita della locazione dell oggetto assoluta o relativa e permettere query che includano area range restrictionche possono essere imposte sulle regioni dell immagine, o che menzionino combinazioni booleane di attributi spaziali. Temporal arrangment tool: tool per i video che specifica eventi temporali come condizioni di ricerca. Non ci si riferisce a eventi semantici ma a cammini di cambiamento di oggetti e immagini. F.e. in una collezione video una query puo richiedere: trova tutti i clips in cui un frreze shot e seguito in un salto in una scena dinamica Questo tool deve lavorare insieme a image motion descriptors e video segmentation primitives cosi l utente puo specificare le condizioni di ricerca su cammini temporali sulle transizioni di immagine e di oggetti Un tool di annotazione: un tool che allevia uno delle maggiori limitazioni sui sistemi exemplebased che gli utenti possono conoscere esattamente cosa stanno cercando per iniziare una query. Idealmente tale tool dovrebbe avere capacita simili a un text processing engine. Tuttavia deve

7 permettre differenti livelli di annotazione per essere associati ad oggetti o a regioni dentro un gruppo di immagini. Le annotazioni sono necessari per i video per fare annotazioni a livello storia. Data definition tool: un tool che permetta alle applicazioni in cui l utente ha un insieme di modelli di caratterizzare le proprieta dell immagine. Gli altri compiti di tale tool e di supportare un ontologia e esempi di parole per casi in cui la descrizione visuale con uno schema diventa troppo complessa da creare..un esempio puo essere creare un inisme di esempi di immagini per la parola human cosi che questi esempi possanop essere usati per iniziare una query sugli umani CONFRONTARE VIR SYSTEMS Nello stato corrente di sviluppo dei sistemi VIR affronta molti problemi caratterisitici di ogni campo emergente. Negli ultimi anni sono stati proposti diversi tipi di sistemi VIR commerciali. Questi sistemi differiscono nel dominio di applicazione, scelta delle caratteristiche di visualizzazione tecniche impiegate per computing le caratteristiche visuali, e meccanismi di query supportate. Come possiamo confrontare questi sistemi? Sfortunatamente non ci sono criteri diretti da stabilire per valutare,testare e confrontare questi sistemi. Questa mancanza e dovuta in parte al carattere soggettivo del dominio. E estremamente difficile impostare uno standard per classificare un database di immagini assortite in termini della loro somiglianza ad un immagine data. Una variazione significante puo essere osservata attraverso classificazioni prodotte da diversi utenti e fra due assegnamenti dello stesso utente a tempi differenti. Malgrado questi ostacoli, e importante sviluppare un insieme di criteri generali per assegnare le relative performance dei sistemi VIR. Goodness of retrieval. Questo giudizio approssimativamente corrisponde alle immagini mentali dell utente di cosa dovrebbe essere recuperato dal sistema per un data base di riferimento. Alcune semplici misure sono riassunte attraverso l iterazione dell utente. Il sistema e buono xke querying con un esempio di giardino fiorito recupera 90% di scene di esterni di cui 80% sono giardini fioriti L utente giudica la bonta del sistema attraverso il numero di correct matches nei primi screenshots. Il colore e le texture del terzo risultatosono abbastanza giuste, ma la loro forma nel mezzo non lo e Qui l utente misura la dimensione e il grado di rilevanza per ogni risultato rilevante Il risultato e scarso xke queste 3 rose dovrebbero essere piu in alto nella gerarchia rispetto alla macchina o al bambino sul prato. Il ciriterio e relative rank degli oggetti rilevanti vs quello degli oggetti non rilevanti. Un sistema in cui per la stessa queryalcune immagini rilevanti sono ordinate piu in basso delle immagini non rilevanti e giudicato come un performance non buona rispetto ai sistemi che ordinano in modo giusto Come mai quell immagine che ho visto nei promi due schermi non c e Perche appare quando riduco il peso dei colori? Perche no quando aumento il peso della texture L utente in questo caso e passato dal modo di ricerca image-browser al modo di ricerca image locator. Ora il criterio di correttezza e la deviazione da un ordinamento aspettato di un immagine di riferimento e the incremental improvement achived per query refinement operation. Non e chiaro quale combinazione di pesi puo recuperare quello che voglio. C e un modo per marcare i risultati che mi piacciono e non ed avere risultati migliori dal sistema L utente richiede il meccanismo di relevance feedback, un meccanismo attraverso il quale l utente guarda alle risoposte prodotte dal sistema per una query, e cataloga i risultati con un punteggio di rilevanza. Il sistema usa questi punteggi per modificare e ripetere la querym aspettando che escano risultati con una piu alta rilevanza.

8 L aspetto piu notevole in queste misure di massima e che il giudizio dell utente della bonta e dato su la quantita di dati rilevanti sono recuperati. Molti dei sistemi correnti cercano di minimizzare i risultati falsi negativi con un espansione dei falsi positivi. Un approccio bilanciato e ottimizzato delle performance dei VIR non e ancora realta Effevtiveness. Se ci muoviamo da un sistema genearl pourpose ad uno piu specifico (applicato ad un dominio specifico), le queries dell utente diventano piu sofisticate e utili. Il criterio di assegnamento inoltre cambia in ordine di misurare l effficacia del recupero nel contesto specifico del problema di applicazione. Basandosi sui application problems per cui noi abbiamo adattato Virage Image Engine, offriamo diverse osservazioni sulla percezione e sulla realta dell efficacia. In molte applicazioni specifiche, il processo di estrazione di caratteristiche visuali e limitato alle tecniche offerte di immane processing e computer vision. E non sono mai perfette. Quindi, e necessario trattare l efficacia del recupero, separatamente dagli algoritmi di underlying image processing.. Tuttavia gli utenti raramente fanno distinzione, giudicando le performance di sistema dai risultati di recupero, senza realzizzare che non ci sono algoritmi per calcolare le caratteristiche che vogliono. Fare la distinzione e una parte importante dell educazione dell utente. Abbiamo trovato utile per l utente stimare quanto i risultati potrebbero essere diversi dai risultati dati assumendo che il sistema produca estrazioni perfette di caratteristiche. I risultati dei recuperi basati sulla somiglianza non sono cosi sensibili ai piccoli errori dell estrazione delle caratteristiche. Spesso, le caratteristiche critiche influenzano l efficacia sono la scelta delle funzioni di somiglianza e la selezione delle caratteristiche adeguate. In un applicazione di trademark search, selezionando una moment-based shape features provoca un drammatico aumento dell efficacia per l utente.in un applicazione oftamologica, scegliere una funzione di somiglianza fuzzy ha una differenza significante rispetto a una metrica di pesi euclidea. Fare il sistema efficiente e un arte. Il merito reale di un sistema VIR e l abilita di permettere sufficiente estendibilita e flessibilita che puo essere girata ad ogni applicazione per utente.

I database audio odierni sono pieni di dati audio ma queste sono poco indicizzate per gli scopi della ricerca.

I database audio odierni sono pieni di dati audio ma queste sono poco indicizzate per gli scopi della ricerca. Traduzione del testo Content-Based Classification,Search, and Retrieval of Audio DI Erling Wold,Thom Blum,Douglas Keislar and James Wheaton MUSCLE FISH SOFTWARE 1996 Tradotto da Giacomazzi Luca lgiacoma@libero.it

Dettagli

Sistemi Informativi Multimediali Indicizzazione multidimensionale

Sistemi Informativi Multimediali Indicizzazione multidimensionale Indicizzazione nei sistemi di IR (1) Sistemi Informativi Multimediali Indicizzazione multidimensionale ugusto elentano Università a Foscari Venezia La struttura fondamentale di un sistema di information

Dettagli

Capitolo 6 ELABORAZIONE DI IMMAGINI A COLORI

Capitolo 6 ELABORAZIONE DI IMMAGINI A COLORI Capitolo 6 ELABORAZIONE DI IMMAGINI A COLORI Il colore viene utilizzato nelle immagini digitali per due motivi principali: è un descrittore che semplifica l identificazione di un oggetto e la sua estrazione

Dettagli

Michele Nappi, Ph.D Dipartimento di Matematica e Informatica Università degli Studi di Salerno mnappi@unisa.it www.dmi.unisa.

Michele Nappi, Ph.D Dipartimento di Matematica e Informatica Università degli Studi di Salerno mnappi@unisa.it www.dmi.unisa. Indicizzazione di Immagini (1) Michele Nappi, Ph.D Dipartimento di Matematica e Informatica Università degli Studi di Salerno mnappi@unisa.it www.dmi.unisa.it/people/nappi Agenda Introduzione al Problema

Dettagli

Linguaggi di programmazione

Linguaggi di programmazione Linguaggi di programmazione Programmazione L attività con cui si predispone l elaboratore ad eseguire un particolare insieme di azioni su particolari dati, allo scopo di risolvere un problema Dati Input

Dettagli

Basi di Dati. Introduzione ai sistemi di basi di dati. K.Donno - Introduzione ai sistemi di basi di dati

Basi di Dati. Introduzione ai sistemi di basi di dati. K.Donno - Introduzione ai sistemi di basi di dati Basi di Dati Introduzione ai sistemi di basi di dati Introduzione ai sistemi di basi di dati Gestione dei Dati Una prospettiva storica File system verso DBSM Vantaggi di un DBMS Modelli dei dati Utenti

Dettagli

Introduzione ai sistemi di basi di dati

Introduzione ai sistemi di basi di dati Basi di Dati Introduzione ai sistemi di basi di dati Alessandro.bardine@gmail.com alessandro.bardine@iet.unipi.it Introduzione ai sistemi di basi di dati Gestione dei Dati Una prospettiva storica File

Dettagli

Ricomposizione virtuale assistita di affreschi frammentati Giovanni Attolico

Ricomposizione virtuale assistita di affreschi frammentati Giovanni Attolico Ricomposizione virtuale assistita di affreschi frammentati Giovanni Attolico La vela del S. Matteo di Cimabue della Basilica Superiore di San Francesco in Assisi, che copriva una superficie di circa 35

Dettagli

Lezione 1. Introduzione e Modellazione Concettuale

Lezione 1. Introduzione e Modellazione Concettuale Lezione 1 Introduzione e Modellazione Concettuale 1 Tipi di Database ed Applicazioni Database Numerici e Testuali Database Multimediali Geographic Information Systems (GIS) Data Warehouses Real-time and

Dettagli

Navigazione. per associazione. ipertesti/ipermedia. l utente naviga nello spazio dei documenti alla ricerca dei nodi di interesse

Navigazione. per associazione. ipertesti/ipermedia. l utente naviga nello spazio dei documenti alla ricerca dei nodi di interesse Tipologia dei dati e organizzazione delle informazioni Sistemi di indicizzazione e recupero 5. Database e Information Retrieval per associazione Navigazione ipertesti/ipermedia l utente naviga nello spazio

Dettagli

Riconoscimento e recupero dell informazione per bioinformatica

Riconoscimento e recupero dell informazione per bioinformatica Riconoscimento e recupero dell informazione per bioinformatica Clustering: similarità Manuele Bicego Corso di Laurea in Bioinformatica Dipartimento di Informatica - Università di Verona Definizioni preliminari

Dettagli

Fondamenti di Informatica

Fondamenti di Informatica Fondamenti di Informatica Corso di Laurea in Scienze dell'educazione, 2014-15 Lorenzo Bettini http://www.di.unito.it/~bettini Informazioni generali Ricevimento studenti su appuntamento Dipartimento di

Dettagli

Lezione 9: Video(II) Informatica e Produzione Multimediale. Docente: Umberto Castellani

Lezione 9: Video(II) Informatica e Produzione Multimediale. Docente: Umberto Castellani Lezione 9: Video(II) Informatica e Produzione Multimediale Docente: Umberto Castellani Sommario Introduzione al video Formati video Analogici digitali Il Moving picture Expert group (MPEG) Editing video

Dettagli

PDF created with pdffactory trial version www.pdffactory.com. Il processo di KDD

PDF created with pdffactory trial version www.pdffactory.com. Il processo di KDD Il processo di KDD Introduzione Crescita notevole degli strumenti e delle tecniche per generare e raccogliere dati (introduzione codici a barre, transazioni economiche tramite carta di credito, dati da

Dettagli

L'algebra di Boole falso vero livello logico alto livello logico basso Volts

L'algebra di Boole falso vero livello logico alto livello logico basso Volts L algebra di Boole L'algebra di Boole comprende una serie di regole per eseguire operazioni con variabili logiche. Le variabili logiche possono assumere solo due valori. I due possibili stati che possono

Dettagli

Relazione Pinakes3 Analisi modello di business (BOZZA) di Valeriano Sandrucci 08/09/07

Relazione Pinakes3 Analisi modello di business (BOZZA) di Valeriano Sandrucci 08/09/07 Relazione Pinakes3 Analisi modello di business (BOZZA) di Valeriano Sandrucci 08/09/07 1. Introduzione...3 1.2. Application vs Tool... 3 2. Componenti logiche di un modello... 6 3. Ontologie e Semantic

Dettagli

Corso di Basi di Dati Multimediali

Corso di Basi di Dati Multimediali Corso di Basi di Dati Multimediali Lezione su: MMDBMS (Multimedia Data Base Manage System) Studente; Enrico Leone Matr. 961/142 Basi di Dati Multimediali Multimedia Database Manage System Deve supportare

Dettagli

I formati dei file immagine

I formati dei file immagine I formati dei file immagine Le immagini vettoriali Le immagini vettoriali sono caratterizzate da linee e curve definite da entità matematiche chiamate vettori I vettori sono segmenti definti da un punto

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

Informatica Documentale

Informatica Documentale Informatica Documentale Ivan Scagnetto (scagnett@dimi.uniud.it) Stanza 3, Nodo Sud Dipartimento di Matematica e Informatica Via delle Scienze, n. 206 33100 Udine Tel. 0432 558451 Ricevimento: giovedì,

Dettagli

Agent and Object Technology Lab Dipartimento di Ingegneria dell Informazione Università degli Studi di Parma. Fondamenti di Informatica

Agent and Object Technology Lab Dipartimento di Ingegneria dell Informazione Università degli Studi di Parma. Fondamenti di Informatica Agent and Object Technology Lab Dipartimento di Ingegneria dell Informazione Università degli Studi di Parma Fondamenti di Informatica Linguaggi di Programmazione Michele Tomaiuolo Linguaggi macchina I

Dettagli

La rappresentazione dell informazione

La rappresentazione dell informazione La rappresentazione dell informazione Sui testi di approfondimento: leggere dal Cap. 2 del testo C (Console, Ribaudo): 2.3, 2.4 Parte II La codifica dei dati multimediali I caratteri alfanumerici non costituiscono

Dettagli

Codifica delle immagini

Codifica delle immagini Codifica delle immagini Abbiamo visto come la codifica di testi sia (relativamente) semplice Un testo è una sequenza di simboli Ogni simbolo è codificato con un numero Ed ecco che il testo è trasformato

Dettagli

Dalla Computer Vision alle interfacce naturali

Dalla Computer Vision alle interfacce naturali Dalla Computer Vision alle interfacce naturali METODI E MODELLI DI INTERAZIONE Social Q&A @vs_ar #askvisionary www.vision-ary.net 14/11/2014 TWITTER @VS_AR 2 Obiettivi del seminario 1. Fornire gli elementi

Dettagli

Telerilevamento e SIT Prof. Ing. Giuseppe Mussumeci

Telerilevamento e SIT Prof. Ing. Giuseppe Mussumeci Corso di Laurea Magistrale in Ingegneria per l Ambiente e il Territorio A.A. 2012-2013 Telerilevamento e SIT Prof. Ing. Giuseppe Mussumeci Architettura e funzionalità di una piattaforma GIS. Parte seconda:

Dettagli

RILEVANZA = attinenza oggettiva/assoluta PERTINENZA = attinenza soggettiva/relativa (effettivo interesse personale) PUNTO DI FUTILITA ---> ranking

RILEVANZA = attinenza oggettiva/assoluta PERTINENZA = attinenza soggettiva/relativa (effettivo interesse personale) PUNTO DI FUTILITA ---> ranking NOZIONI DI INFORMATION RETRIEVAL a cura di Riccardo Ridi (Università Ca' Foscari di Venezia) aggiornate a Ottobre 2014 RILEVANZA = attinenza oggettiva/assoluta PERTINENZA = attinenza soggettiva/relativa

Dettagli

TECNICHE DI COMPRESSIONE DATI

TECNICHE DI COMPRESSIONE DATI TECNICHE DI COMPRESSIONE DATI COMPRESSIONE DATI La compressione produce una rappresentazione più compatta delle informazioni è come se si usassero meno parole per dire la stessa cosa in modo diverso. Esistono

Dettagli

di programmazione quali varargin/varargout, switch, i comandi e salvataggio dei dati. Tutto questo, migliorato da una maggiore

di programmazione quali varargin/varargout, switch, i comandi e salvataggio dei dati. Tutto questo, migliorato da una maggiore COMPILER 2.0 Generazione automatica di C-Mex file e impiego stand-alone. Maggior flessibilità ed efficienza nell esecuzione e nel controllo. La nuova versione del Compiler presenta tali migliorie ed aggiornamenti

Dettagli

PREMESSA. Grazie per il vostro interesse e buon lavoro! Carmelo Zannelli

PREMESSA. Grazie per il vostro interesse e buon lavoro! Carmelo Zannelli PREMESSA Inizio col precisare che questa mini-guida alla derotazione delle immagini planetarie tramite il software WinJupos, vuole essere solo uno strumento di iniziazione col quale cominciare a capire

Dettagli

Breve descrizione del prodotto

Breve descrizione del prodotto Breve descrizione del prodotto 1. Il software AquaBrowser Library...2 1.1 Le funzioni di Search Discover Refine...3 1.2 Search: la funzione di ricerca e di presentazione dei risultati...3 1.2.1 La configurazione

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

Sistemi Informativi e Basi di Dati

Sistemi Informativi e Basi di Dati Sistemi Informativi e Basi di Dati Laurea Specialistica in Tecnologie di Analisi degli Impatti Ecotossicologici Docente: Francesco Geri Dipartimento di Scienze Ambientali G. Sarfatti Via P.A. Mattioli

Dettagli

Docente: Augusto Celentano Savian Dario 808548 Marchetto Giovanni 810134

Docente: Augusto Celentano Savian Dario 808548 Marchetto Giovanni 810134 A Visual Approach to Multimedia Querying And Presentation: Delaunay MM Docente: Augusto Celentano Savian Dario 808548 Marchetto Giovanni 810134 Delaunay MM Framework per effettuare query e presentare dati

Dettagli

Introduzione all elaborazione di immagini Part II

Introduzione all elaborazione di immagini Part II Introduzione all elaborazione di immagini Part II Obiettivi delle tecniche di elaborazione di immagini: miglioramento di qualità (image enhancement) ripristino di qualità o restauro (image restoration)

Dettagli

Test percettivi per la valutazione del contrasto di immagini digitali

Test percettivi per la valutazione del contrasto di immagini digitali Agenzia Nazionale per le Nuove Tecnologie, l Energia e lo Sviluppo Economico Sostenibile RICERCA DI SISTEMA ELETTRICO Test percettivi per la valutazione del contrasto di immagini digitali Alessandro Rizzi,

Dettagli

RICERCA DELL INFORMAZIONE

RICERCA DELL INFORMAZIONE RICERCA DELL INFORMAZIONE DOCUMENTO documento (risorsa informativa) = supporto + contenuto analogico o digitale locale o remoto (accessibile in rete) testuale, grafico, multimediale DOCUMENTO risorsa continuativa

Dettagli

Hardware Efficient Un singolo server può generare metadata per centinaia di telecamere simultaneamente

Hardware Efficient Un singolo server può generare metadata per centinaia di telecamere simultaneamente Vi-Search consente di raccogliere i veri benefits della tua rete di videosorveglianza permettendoti il recupero automatico e l analisi delle preziose informazioni contenute nelle registrazioni. Vi-Search

Dettagli

1. BASI DI DATI: GENERALITÀ

1. BASI DI DATI: GENERALITÀ 1. BASI DI DATI: GENERALITÀ BASE DI DATI (DATABASE, DB) Raccolta di informazioni o dati strutturati, correlati tra loro in modo da risultare fruibili in maniera ottimale. Una base di dati è usualmente

Dettagli

Memorizzazione dei dati: Dischi e File

Memorizzazione dei dati: Dischi e File Memorizzazione dei dati: Dischi e File Query\update Query plan Execution Engine richieste di indici, record e file Index/file/record Manager comandi su pagine Query Compiler Buffer Manager Lettura/scrittura

Dettagli

Sistemi di supporto alle decisioni Ing. Valerio Lacagnina

Sistemi di supporto alle decisioni Ing. Valerio Lacagnina Cosa è il DSS L elevato sviluppo dei personal computer, delle reti di calcolatori, dei sistemi database di grandi dimensioni, e la forte espansione di modelli basati sui calcolatori rappresentano gli sviluppi

Dettagli

Metodi formali per la verifica dell affidabilità di sistemi software (e hardware) (Peled, Software Reliability Methods, cap. 1) Importanza della

Metodi formali per la verifica dell affidabilità di sistemi software (e hardware) (Peled, Software Reliability Methods, cap. 1) Importanza della Metodi formali per la verifica dell affidabilità di sistemi software (e hardware) (Peled, Software Reliability Methods, cap. 1) Importanza della verifica di sistemi (safety-critical, commercially critical,

Dettagli

Basi di Dati. Programmazione e gestione di sistemi telematici

Basi di Dati. Programmazione e gestione di sistemi telematici Basi di Dati. Programmazione e gestione di sistemi telematici Coordinatore: Prof. Paolo Nesi Docenti: Prof. Paolo Nesi Dr.sa Michela Paolucci Dr. Emanuele Bellini Cosa e l informatica? Scienza del trattamento

Dettagli

Sistemi Ipermediali I modelli dei sistemi ipermediali

Sistemi Ipermediali I modelli dei sistemi ipermediali Documenti e ipermedialità Sistemi Ipermediali I modelli dei sistemi ipermediali Augusto Celentano Università Ca Foscari Venezia Documento ipertestuale insieme di informazioni testuali e grafiche, esplorabili

Dettagli

INFORMATICA. Applicazioni WEB a tre livelli con approfondimento della loro manutenzione e memorizzazione dati e del DATABASE.

INFORMATICA. Applicazioni WEB a tre livelli con approfondimento della loro manutenzione e memorizzazione dati e del DATABASE. INFORMATICA Applicazioni WEB a tre livelli con approfondimento della loro manutenzione e memorizzazione dati e del DATABASE. APPLICAZIONI WEB L architettura di riferimento è quella ampiamente diffusa ed

Dettagli

Lezione 4 Gestione del video

Lezione 4 Gestione del video Lezione 4 Gestione del video Pasquale Savino ISTI - CNR Library Creation Offline Library Exploration Online Digital Compression Speech Recognition Image Extraction Segmentation Object/face detection and

Dettagli

Telerilevamento. Esercitazione 1. Esplorare dati EO, image enhancement

Telerilevamento. Esercitazione 1. Esplorare dati EO, image enhancement Telerilevamento Esercitazione 1 Esplorare dati EO, image enhancement Aprire ERDAS IMAGINE. Cliccare sull apposita icona per aprire un immagine SPOT5 acquisita il 10 settembre 2006 sulla area della città

Dettagli

FONDAMENTI di INFORMATICA Prof. Lorenzo Mezzalira

FONDAMENTI di INFORMATICA Prof. Lorenzo Mezzalira FONDAMENTI di INFORMATICA Prof. Lorenzo Mezzalira Appunti del corso 1 Introduzione all informatica: algoritmi, linguaggi e programmi Indice 1. Introduzione 2. Risoluzione automatica di problemi - Algoritmi

Dettagli

Introduzione alla Business Intelligence. E-mail: infobusiness@zucchetti.it

Introduzione alla Business Intelligence. E-mail: infobusiness@zucchetti.it Introduzione alla Business Intelligence E-mail: infobusiness@zucchetti.it Introduzione alla Business Intelligence Introduzione Definizione di Business Intelligence: insieme di processi per raccogliere

Dettagli

Dispense del corso di Elaborazione di Immagini e Audio Digitali

Dispense del corso di Elaborazione di Immagini e Audio Digitali http://imagelab.ing.unimo.iting it Dispense del corso di Elaborazione di Immagini e Audio Digitali Video Processing Prof. Roberto Vezzani Dall immagine al video Un video può essere visto innanzitutto come

Dettagli

Ottimizzazione Multi-Obiettivo

Ottimizzazione Multi-Obiettivo Giro di prova g Giancarlo Sada Ottimizzazione Multi-Obiettivo modefrontier fornisce al progettista una piattaforma di ottimizzazione, dove possono essere combinati in modo sinergico strumenti CAD e CAE

Dettagli

INGEGNERIA DEL SOFTWARE

INGEGNERIA DEL SOFTWARE INGEGNERIA DEL SOFTWARE SPECIFICA DEI REQUISITI Avvertenza: gli appunti si basano sul corso di Ingegneria del Software tenuto dal prof. Picco della facoltà di Ingegneria del Politecnico di Milano (che

Dettagli

Tassonomia Web Spam GIUGNO 2005

Tassonomia Web Spam GIUGNO 2005 Prefazione: Questo documento si basa sull originale Web Spam Taxonomy firmato da alcuni ricercatori del dipartimento di Computer Science della Stanford University e pubblicato ad Aprile 2005. Tassonomia

Dettagli

Sistemi Informativi e WWW

Sistemi Informativi e WWW Premesse Sistemi Informativi e WWW WWW: introduce un nuovo paradigma di diffusione (per i fornitori) e acquisizione (per gli utilizzatori) delle informazioni, con facilità d uso, flessibilità ed economicità

Dettagli

Introduzione ai database I concetti fondamentali Database e DBMS Per comprendere appieno cos'è un Database e quali sono i vantaggi legati al suo impiego, soprattutto nel settore gestionale, è necessario

Dettagli

Strutture dati efficienti per la ricerca della similarità

Strutture dati efficienti per la ricerca della similarità Strutture dati efficienti per la ricerca della similarità Anche utilizzando i metodi di filtraggio visti in precedenza, il numero di confronti tra query e oggetti presenti nel database rimane alto. L efficienza

Dettagli

Gestione Dati Multimediali: Modelli, Indici, Interfacce, Applicazioni

Gestione Dati Multimediali: Modelli, Indici, Interfacce, Applicazioni Introduzione Gestione Dati Multimediali: Modelli, Indici, Interfacce, Applicazioni Ilaria Bartolini e Marco Patella DEIS Università di Bologna La diffusione di nuovi strumenti tecnologici di acquisizione

Dettagli

Capitolo 5 RESTAURO E RICOSTRUZIONE DI IMMAGINI

Capitolo 5 RESTAURO E RICOSTRUZIONE DI IMMAGINI Capitolo 5 RESTAURO E RICOSTRUZIONE DI IMMAGINI La differenza tra il restauro e il miglioramento (enhancement) delle immagini è che il miglioramento è un processo soggettivo, mentre il restauro è un processo

Dettagli

Test riconoscimento automatico espressioni del volto

Test riconoscimento automatico espressioni del volto Università degli studi di Roma Tor Vergata Test riconoscimento automatico espressioni del volto Preparato per: Giovannella Carlo, Professore Preparato da: Tobia Giani e Alessandro Borelli, Studenti 10

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

Linguaggi e Paradigmi di Programmazione

Linguaggi e Paradigmi di Programmazione Linguaggi e Paradigmi di Programmazione Cos è un linguaggio Definizione 1 Un linguaggio è un insieme di parole e di metodi di combinazione delle parole usati e compresi da una comunità di persone. È una

Dettagli

SVILUPPO ONTOLOGIE PER LA GESTIONE DOCUMENTALE E LORO INTEGRAZIONE ALL INTERNO DI UNA PIATTAFORMA WEB

SVILUPPO ONTOLOGIE PER LA GESTIONE DOCUMENTALE E LORO INTEGRAZIONE ALL INTERNO DI UNA PIATTAFORMA WEB Facoltà di Ingegneria Corso di Laurea Specialistica in Ingegneria Informatica SVILUPPO ONTOLOGIE PER LA GESTIONE DOCUMENTALE E LORO INTEGRAZIONE ALL INTERNO DI UNA PIATTAFORMA WEB Relatore Chiarissimo

Dettagli

Ingegneria dei Requisiti

Ingegneria dei Requisiti Corso di Laurea Specialistica in Ingegneria Informatica Corso di Ingegneria del Software A. A. 2008 - Ingegneria dei Requisiti E. TINELLI Contenuti I requisiti del software Documento dei requisiti I processi

Dettagli

IMMAGINE BITMAP E VETTORIALI

IMMAGINE BITMAP E VETTORIALI BITMAP VETTORIALE VETTORIALE BITMAP IMMAGINE BITMAP è una immagine costituita da una matrice di Pixel. PIXEL (picture element) indica ciascuno degli elementi puntiformi che compongono la rappresentazione

Dettagli

Database/Banche Dati/Sistemi Informativi

Database/Banche Dati/Sistemi Informativi Database/Banche Dati/Sistemi Informativi Insieme di programmi in grado di: acquisire, elaborare, archiviare informazioni in genere ad uso di un organizzazione (azienda o istituzione). Dato Informazione

Dettagli

L ARCHIVIAZIONE E LA GESTIONE DATI ATTRAVERSO L INTERAZIONE TRA MICROSOFT ACCESS ED EXCEL 1 INTRODUZIONE

L ARCHIVIAZIONE E LA GESTIONE DATI ATTRAVERSO L INTERAZIONE TRA MICROSOFT ACCESS ED EXCEL 1 INTRODUZIONE Roccatello Ing. Eduard L ARCHIVIAZIONE E LA GESTIONE DATI ATTRAVERSO L INTERAZIONE TRA MICROSOFT ACCESS ED EXCEL 1 INTRODUZIONE Agenda Presentazione docente Definizione calendario Questionario pre corso

Dettagli

Data warehouse. Architettura complessiva con OLTP e OLAP OLTP. Sistemi di supporto alle decisioni

Data warehouse. Architettura complessiva con OLTP e OLAP OLTP. Sistemi di supporto alle decisioni Data warehouse Data warehouse La crescita dell importanza dell analisi dei dati ha portato ad una separazione architetturale dell ambiente transazionale (OLTP on-line transaction processing) da quello

Dettagli

Elaborazione di Immagini e Suoni / Riconoscimento e Visioni Artificiali 12 c.f.u. Rappresentazione delle informazioni

Elaborazione di Immagini e Suoni / Riconoscimento e Visioni Artificiali 12 c.f.u. Rappresentazione delle informazioni Università degli Studi di Palermo Dipartimento di Ingegneria Informatica Elaborazione di Immagini e Suoni / Riconoscimento e Visioni Artificiali 12 c.f.u. Anno Accademico 2008/2009 Docente: ing. Salvatore

Dettagli

Introduzione alla Business Intelligence

Introduzione alla Business Intelligence SOMMARIO 1. DEFINIZIONE DI BUSINESS INTELLIGENCE...3 2. FINALITA DELLA BUSINESS INTELLIGENCE...4 3. DESTINATARI DELLA BUSINESS INTELLIGENCE...5 4. GLOSSARIO...7 BIM 3.1 Introduzione alla Pag. 2/ 9 1.DEFINIZIONE

Dettagli

Sorgenti autorevoli in ambienti hyperlinkati.

Sorgenti autorevoli in ambienti hyperlinkati. Sorgenti autorevoli in ambienti hyperlinkati. La qualità di un metodo di ricerca richiede la valutazione umana dovuta alla soggettività inerente alla nozione di rilevanza. I motori di ricerca correnti,

Dettagli

GLOSSARIO DI ARCHITETTURA DELL INFORMAZIONE

GLOSSARIO DI ARCHITETTURA DELL INFORMAZIONE GLOSSARIO DI ARCHITETTURA DELL INFORMAZIONE di K A T H A G E D O R N, A R G U S A S S O C I A T E S MARZO 2 0 0 0 traduzione di: BARBARA WIEL MARIN DICEMBRE 2009 1 GLOSSARIO DI ARCHITETTURA DELL INFORMAZIONE

Dettagli

Sistemi Web per il turismo - lezione 2 -

Sistemi Web per il turismo - lezione 2 - Sistemi Web per il turismo - lezione 2 - 8 Considerare il computer coma una calcolatrice sembra un po limitativo rispetto a quello che solitamente vediamo succedere sui computer intorno a noi come ad esempio

Dettagli

AMBIENTE DI PROGETTAZIONE ARCHITETTONICA INTEGRATA

AMBIENTE DI PROGETTAZIONE ARCHITETTONICA INTEGRATA AMBIENTE DI PROGETTAZIONE ARCHITETTONICA INTEGRATA IDEA è un ambiente di calcolo avanzato per il progetto architettonico di edifici e ricopre tutta la gamma dei bisogni architettonici (creazione del modello,

Dettagli

Archivi e database. Lezione n. 7

Archivi e database. Lezione n. 7 Archivi e database Lezione n. 7 Dagli archivi ai database (1) I dati non sempre sono stati considerati dall informatica oggetto separato di studio e di analisi Nei primi tempi i dati erano parte integrante

Dettagli

Elementi di grafica raster

Elementi di grafica raster Elementi di grafica raster Le immagini Una immagine è una rappresentazione spaziale di un oggetto o di una scena Una immagine digitale è una rappresentazione di una scena anche 3D dopo il processo di acquisizione

Dettagli

Disegno tradizionale VS modellazione digitale affinità e differenze. Modello matematico VS modello numerico

Disegno tradizionale VS modellazione digitale affinità e differenze. Modello matematico VS modello numerico Disegno tradizionale VS modellazione digitale affinità e differenze Modello matematico VS modello numerico IUAV Disegno Digitale Camillo Trevisan Capitelli hatoriani di Abu Fedah, dalla Description de

Dettagli

La codifica delle immagini

La codifica delle immagini Lettere e numeri non costituiscono le uniche informazioni utilizzate dagli elaboratori ma si stanno diffondendo sempre di più applicazioni che utilizzano ed elaborano anche altri tipi di informazione:

Dettagli

Metodi e Modelli per le Decisioni

Metodi e Modelli per le Decisioni Metodi e Modelli per le Decisioni Corso di Laurea in Informatica e Corso di Laurea in Matematica Roberto Cordone DI - Università degli Studi di Milano Lezioni: Giovedì 13.30-15.30 Venerdì 15.30-17.30 Ricevimento:

Dettagli

WebRatio. L altra strada per il BPM. Web Models s.r.l. www.webratio.com contact@webratio.com 1 / 8

WebRatio. L altra strada per il BPM. Web Models s.r.l. www.webratio.com contact@webratio.com 1 / 8 WebRatio L altra strada per il BPM Web Models s.r.l. www.webratio.com contact@webratio.com 1 / 8 Il BPM Il BPM (Business Process Management) non è solo una tecnologia, ma più a grandi linee una disciplina

Dettagli

Database. Organizzazione di archivi mediante basi di dati. ing. Alfredo Cozzi 1

Database. Organizzazione di archivi mediante basi di dati. ing. Alfredo Cozzi 1 Database Organizzazione di archivi mediante basi di dati ing. Alfredo Cozzi 1 Il database è una collezione di dati logicamente correlati e condivisi, che ha lo scopo di soddisfare i fabbisogni informativi

Dettagli

Le Basi di dati: generalità. Unità di Apprendimento A1 1

Le Basi di dati: generalità. Unità di Apprendimento A1 1 Le Basi di dati: generalità Unità di Apprendimento A1 1 1 Cosa è una base di dati In ogni modello di organizzazione della vita dell uomo vengono trattate informazioni Una volta individuate e raccolte devono

Dettagli

I.Stat Guida utente Versione 1.7 Dicembre 2010

I.Stat Guida utente Versione 1.7 Dicembre 2010 I.Stat Guida utente Versione 1.7 Dicembre 2010 1 Sommario INTRODUZIONE 3 I concetti principali di I.Stat 4 Organizzazione dei dati 4 Ricerca 5 GUIDA UTENTE 6 Per iniziare 6 Selezione della lingua 7 Individuazione

Dettagli

MATEMATICA CLASSE SECONDA OBIETTIVI OPERATIVI. OBIETTIVI DI APPRENDIMENTO Conoscere il numero nei suoi vari aspetti.

MATEMATICA CLASSE SECONDA OBIETTIVI OPERATIVI. OBIETTIVI DI APPRENDIMENTO Conoscere il numero nei suoi vari aspetti. MATEMATICA Traguardi per lo sviluppo delle competenze al termine della scuola primaria L alunno si muove con sicurezza nel calcolo scritto e mentale con i numeri naturali e sa valutare l opportunità di

Dettagli

Lezione 2 Gestione del testo

Lezione 2 Gestione del testo Lezione 2 Gestione del testo Pasquale Savino ISTI - CNR Sommario La gestione dei dati in una Biblioteca Digitale Acquisizione Rappresentazione Indicizzazione Ricerca Conservazione Gestione del testo Gestione

Dettagli

INTERAZIONE CON L UTENTEL

INTERAZIONE CON L UTENTEL IL SISTEMA OPERATIVO Insieme di programmi che opera al di sopra della macchina fisica, mascherandone le caratteristiche e fornendo agli utenti funzionalità di alto livello. PROGRAMMI UTENTE INTERPRETE

Dettagli

Marta Capiluppi marta.capiluppi@univr.it Dipartimento di Informatica Università di Verona

Marta Capiluppi marta.capiluppi@univr.it Dipartimento di Informatica Università di Verona Marta Capiluppi marta.capiluppi@univr.it Dipartimento di Informatica Università di Verona Classificazione delle immagini Le immagini si suddividono in raster e vettoriali. Le immagini raster sono di tipo

Dettagli

GRAPHPAD - PRO GUIDA PER GLI UTENTI

GRAPHPAD - PRO GUIDA PER GLI UTENTI GRAPHPAD - PRO GUIDA PER GLI UTENTI Settembre 2011 v2.3.0 Di Robert Shawhan Presentazione: 2 Interfaccia: 2 Schizzo: 2 Punti: 2 Linee: 2 Aree: 2 Archi: 2 Dimensioni: 2 Mettere in scala: 2 Frecce: 2 Testo:

Dettagli

Tecniche di annotazione per contenuti multimediali

Tecniche di annotazione per contenuti multimediali Tecniche di annotazione per contenuti multimediali Tecniche di annotazione per contenuti multimediali Sommario 2 Introduzione Annotazioni Audio Annotazioni di Immagini Annotazioni di Video Tecniche di

Dettagli

Architettura dell informazione. Sistemi di ricerca

Architettura dell informazione. Sistemi di ricerca Architettura dell informazione Sistemi di ricerca Sistemi di ricerca Il sistema di ricerca è un elemento centrale della navigazione supplementare. La ricerca è uno degli strumenti preferiti dagli utenti

Dettagli

Corso SIRI 2014. Dott. Ing. Stefano Tonello

Corso SIRI 2014. Dott. Ing. Stefano Tonello Corso SIRI 2014 Dott. Ing. Stefano Tonello IT+Robotics Spin-off dell Università di Padova fondata nel 2005 IAS-LAB (Intelligent and Autonomous Systems Laboratory) Attiva nei campi della robotica e visione

Dettagli

Sistemi di numerazione: binario, ottale ed esadecimale

Sistemi di numerazione: binario, ottale ed esadecimale Sistemi di numerazione: binario, ottale ed esadecimale Codifica binaria dell Informazione Bit Byte Kilobyte Megabyte Gigabyte 0/1 (si/no) 00010010 (8 bit) 2 10 = 1024 byte 2 20 ~ 1.000.000 byte 2 30 ~

Dettagli

Origine delle immagini. Elaborazione delle immagini. Immagini vettoriali VS bitmap 2. Immagini vettoriali VS bitmap.

Origine delle immagini. Elaborazione delle immagini. Immagini vettoriali VS bitmap 2. Immagini vettoriali VS bitmap. Origine delle immagini Elaborazione delle immagini Adobe Photoshop I programmi per l elaborazione di immagini e la grafica permettono in genere di: Creare immagini ex novo (con gli strumenti di disegno)

Dettagli

Rappresentazione delle Immagini

Rappresentazione delle Immagini Rappresentazione delle Immagini Metodi di rappresentazione Raster: Informazione grafica rappresentata come matrice di pixel Vettoriale: Informazione grafica rappresentata da relazioni matematiche (funzioni

Dettagli

Applicazioni e considerazioni conclusive

Applicazioni e considerazioni conclusive Applicazioni e considerazioni conclusive 8.1 La telecamera tridimensionale Il sistema di scansione a luce debolmente strutturata permette di scandire un oggetto e di ricavarne un immagine tridimensionale

Dettagli

Introduzione. Elenco telefonico Conti correnti Catalogo libri di una biblioteca Orario dei treni aerei

Introduzione. Elenco telefonico Conti correnti Catalogo libri di una biblioteca Orario dei treni aerei Introduzione Elenco telefonico Conti correnti Catalogo libri di una biblioteca Orario dei treni aerei. ESEMPI DI INSIEMI DI DATI DA ORGANIZZARE ED USARE IN MANIERA EFFICIENTE Introduzione Più utenti con

Dettagli

La Videosorveglianza Criteri per il dimensionamento dello storage

La Videosorveglianza Criteri per il dimensionamento dello storage La Videosorveglianza Criteri per il dimensionamento dello storage Serie vol 1005/2010 L importanza di registrare le immagini video Il valore di un sistema di videosorveglianza non dipende solo dall abilità

Dettagli

Modelli relazionali. Esistono diversi modi di modellare un database. Il modello piu' usato al momento e' il modello relazionale

Modelli relazionali. Esistono diversi modi di modellare un database. Il modello piu' usato al momento e' il modello relazionale Cenni sui DATABASE Cos'e' un database Un database puo' essere definito come una collezione strutturata di record (dati) I dati sono memorizzati su un computer in modo opportuno e possono essere recuperati

Dettagli

CMS MUSEO&WEB Tutorial sulle immagini digitali, la loro elaborazione per il web, il caricamento nell archivio media del CMS

CMS MUSEO&WEB Tutorial sulle immagini digitali, la loro elaborazione per il web, il caricamento nell archivio media del CMS CMS MUSEO&WEB Tutorial sulle immagini digitali, la loro elaborazione per il web, il caricamento nell archivio media del CMS Maria Teresa Natale (OTEBAC) 12 aprile 2010 Introduzione Argomenti: terminologia

Dettagli

Sistemi Informativi Territoriali

Sistemi Informativi Territoriali ANNO ACCADEMICO 2004-2005 SISTEMI INFORMATIVI GEOGRAFICI SISTEMI INFORMATIVI TERRITORIALI (SIT) GEOGRAPHICAL INFORMATION SYSTEMS (GIS) Sistemi Informativi Territoriali 3. I sistemi per la gestione delle

Dettagli

Appunti del corso di Informatica 1 (IN110 Fondamenti) 4 Linguaggi di programmazione

Appunti del corso di Informatica 1 (IN110 Fondamenti) 4 Linguaggi di programmazione Università Roma Tre Dipartimento di Matematica e Fisica Corso di Laurea in Matematica Appunti del corso di Informatica 1 (IN110 Fondamenti) 4 Linguaggi di programmazione Marco Liverani (liverani@mat.uniroma3.it)

Dettagli

Grafica vettoriale. applicazioni di tipo fotografico

Grafica vettoriale. applicazioni di tipo fotografico Grafica vettoriale Come abbiamo visto in un certo dettaglio, la grafica raster si basa sull'idea di definire certe proprietà (colore, trasparenza, ecc.) di ogni pixel applicazioni di tipo fotografico Al

Dettagli