Prof. Rita Cucchiara Facoltà di Ingegneria Enzo Ferrari. Università di Modena e Reggio Emilia

Dimensione: px
Iniziare la visualizzazioe della pagina:

Download "Prof. Rita Cucchiara Facoltà di Ingegneria Enzo Ferrari. Università di Modena e Reggio Emilia"

Transcript

1 Prof. Rita Cucchiara Facoltà di Ingegneria Enzo Ferrari Università di Modena e Reggio Emilia

2 Da Digital Forensics a Multimedia Forensics: Digital Forensics Computer Forensics A form of digital investigation that can be entered in a legal court [Car09]..Differently of physical forensic sciences, in digital forensics the procedures are not well assessed neither the results. When computers are involved criminal activities [Kruse01] Computational Forensics Multimedia Forensics Computational Forensic refers to applying computer aided techniques to digital data understanding [Boheme09] Modern crime investigation shall profit from the hybrid-intelligence of humans and machines working on multimedia data [Car09]Brian D. Carrier Digital Forensics Works IEEE Computers April 2009 [Kruse01] Kruse, W., Heiser, J.: Computer Forensics: Incident Response Essentials. Addison Wesley, Reading (2001) [Boheme09] Böhme, R., Freiling, F. C., Gloe, T., and Kirchner, M Multimedia Forensics Is Not Computer Forensics. In Proc. of the 3rd international Workshop on Computational Forensics

3 Da Multimedia Forensics a «Multimedia in Forensics» «Multimedia in Forensics» Analisi di dati multimediali, testo, immagini, audio, video Sorveglianza automatica e Biometria Computer Graphics, Image processing e Computer Vision Pattern Recognition e Machine learning... Una nuova attività di ricerca nell area del Multimedia Analisi di individui di oggetti di eventi di concetti

4 Ingegneria Informatica in supporto all analisi forense Supporto all attribuzione dell identità degli autori o sospetti autori di reati tecnologie informatiche di elaborazione semiautomatica di immagini e video Supporto alla ricerca di sospetti autori di reati e riconoscimento di identità di soggetti di interesse Tecnologie informatiche di analisi automatica di immagini e video Multimedia in forensics

5 Multimedia in forensics: Ricerca e prospettive Rilevamento di folle, gruppi di persone e persone Rilevamento di volti, aspetti semibiometrici, dettagli Riconscimento dell identità o della similairità Riconscimento di azioni ed attività Riconscimento di comportamenti Ricerca di similarità di azioni ed interazioni

6 Image Processing in Forensics Elaborazioni di segnali ed immagini Noise cleaning, image enhancement, Linear non linear filtering equalization, Image restoration, super-resolution, Camera calibration, Camera verification, Filtraggio frequenze spaziali, trasformate di Fourier, algebra lineare, Principal Component Analysis Ricerca e sviluppo dagli anni 70 su supercomputer e mainframes.. Im not satisfied with the way this is coming up... The eigenvalue is off. Looks all right to me. We're pulling away from our reference information. Program a Fourier transform... No way Out Kevin Costner 1987

7 Analisi semi-manuale Analisi Manuale Analisi semi-manuale ( con l impiego di tecniche informatiche) Attribuzione dell identità, diversi metodi:[ali2011] Confronto Olistico in cui le facce sono confrontate nella loro globalità, l Analisi morfologica in cui si confrontano specifiche caratteristiche (visual feature) del volto, come dettagli significativi ed univoci; l Analisi foto-antropometrica basata sulla fotogrammetria in cui si estraggono misure di distanze e di angoli da punti di interesse sul volto (landmarks) la Superimposizione in cui immagini digitali adeguatamente scalate (e ruotate se possibile) sono sovrapposte l una all altra [ALI2011] Tauseef Ali, Luuk Spreeuwers and Raymond Veldhuis, FORENSIC FACE RECOGNITION: A SURVEY Nova Science Publishers, Inc 2011

8 Analisi semi-manuale Computer Graphics, Computer Vision Ricostruzioni di altezze, e dimensioni 3D Superimposizioni 2D e 3D Partial Face Recognition technology Esperimenti di fuzzy logic per la super-imposizione craniofacciale Altezza cm: 177,43 Ibáñez, O., Cordón, O., Damas, S., Santamaría, J An experimental study on the applicability of evolutionary algorithms to craniofacial superimposition in forensic identification. Information Sciences

9 Dall analisi semi-manuale all analisi automatica 1) La rilevazione automatica (detection) di persone e volti

10 Dall analisi semi-manuale all analisi automatica 2) Il riconoscimento automatico (identification o recognition ) di persone o volti.

11 Impiego in ambito forense Tecniche di Computer Vision, Pattern Recognition Multimedia Search Applicate anche alla Video Sorveglianza Biometria Content-based image retrieval (object search)

12 Impiego in ambito forense: peculiarità I sistemi di sorveglianza, biometrici, di search danno risultato certo con un errore statistico medio noto e misurabile per inferenze induttive I sistemi forensi devono fornire un livello di credibilità, affidabilità e ripetibilità per inferenze deduttive Contributo dell ingegneria informatica: conoscere i limiti, gli errori, i miglioramenti attesi [Meu06] conoscerne l errore statistico e la verosomiglianza [Ali11] [ALI11] Tauseef Ali, Luuk Spreeuwers and Raymond Veldhuis, Veldius FORENSIC FACE RECOGNITION: A SURVEY Nova Science Publishers, Inc 2011 [Meu06] D.Meuwly, Forensic individualization from biometric data, science&justice, vol. 46, no. 4, pp , 2006.

13 Likelihod ratio for face analysis* Hp l ipotesi dell accusa (prosecution) Hd l ipotesi della difesa (defence) E e l evidenza ossia l informazione forense estratta dal sistema automatico I e l informazione precedente a disposizione (background information). LR Rapporto di verosomiglianza: statistica bayesiana impiegata in ambito forense per riconoscimento vocale e DNA Rapporto delle probabilità di colpevolezza e innocenza condizionate dalle informazioni a priori Giudizio a posteriori Rapporto di verosomiglianza o valore di evidenza Valutabile note le varianze inter-classe le varianze intra-classe, gli errori FAR, FDR.. * Project funded by Nederlands forensics institute Twente Univ.

14 Analisi automatica, perche? Impiego del calcolatore per «Potenza computazionale» Capacità di eseguire calcoli complessi ( Computer Vision, ricostruzione 2D e 3D.) «Velocità computazionale» Capacità di elaborare grandi quantità di dati visuali ( Big data analysis) «Inferenza computazionale» Capacità di apprendere da esempi (machine learning)

15 Quante immagini? 1 surveillance camera: c.a. 1 immagine 1MByte 640x480 colori non compressa, 10fps x 24h BIG-DATA ANALYSIS immagini al giorno c.a. 800GByte /giorno Censimento UK 2011 Circa 1.8 milioni telecamere collegate c.a. 500 Milioni TByte /anno Luglio 2011 Youtube 6 birthday Upload di 45 ore di video/minuto c.a ore video/giorno c.a. 23 milioni di ore video/anno

16 Quante immagini? Quante foto amatoriali? miliardi di fotografie miliardi di fotografie digitali Quante foto su Facebook? 2011 : 90 miliardi di fotografie 6 miliardi upload/mese 70 miliardi /anno 30 miliardi tag/anno immagini taggate/minuto Analisi manuale IMPOSSIBILE!

17 Rilevazione e riconoscimento automatico People detection People tracking People & faces Un-structured Still Images & Video Face detection Rilevazione: Computer vision Face tracking Pattern matching Feature detection Structured Gallery Riconscimento: Pattern Recognition

18 4 Problemi Rilevazione di persone e volti per Autenticazione (individualizzazione) Identificazione del singolo Riconoscimento sociale Ri-identificazione

19 Confronto 1:1: Autenticazione People detection People tracking People & faces Still Images & Video Face detection Face tracking Pattern recognition Feature detection Match?

20 Confronto 1:n Identificazione People detection People tracking People & faces Still Images & Video Face detection Face tracking Pattern recognition Feature detection Match?

21 Confronto n:n Riconoscimento sociale People detection People tracking People & faces Still Images & Video Face detection Face tracking Pattern recognition Feature detection Match?

22 Confronto n:n non strutturato (RI-identificazione) People detection People tracking People & faces Still Images & Video Face detection Face tracking Pattern recognition Feature detection Match?

23 Rilevazione di volti e persone Problema non risolto completamente Persone hanno aspetti diversi, forme diverse, posture diverse. Still Images & Video People detection Face detection People tracking Face tracking People & faces Moto non prevedibile D. Coppi, S. Calderara, R. Cucchiara, "Appearance tracking by transduction in surveillance scenarios Proceedings of the 8th IEEE International Conference on Advanced Video and Signal-Based Surveillance, AVSS Klagenfurt 2011

24 Rilevazione dei volti Problema più semplice risolvibile dopo adeguato apprendimento Si ringrazia Michele Nappi, Lezioni di e, Salerno 2011

25 Rilevazione automatica di volti Problema classico di Pattern Recognition Metodi di apprendimento automatico da esempi Viola & Jones 2001 Librerie OpenCV Forti miglioramenti in 10 anni! Haar features Cascade of >30 weak classifiers Viola, Jones: Robust Real-time Object Detection, IJCV 2001 (1853 CIT)

26 Rilevazione automatica di volti di profilo Rilevazione volti e loro direzione Ada Boost 2002 Neural network 1999 Henry Schneiderman and Takeo Kanade Object Detection Using the Statistics of Parts IJCV 2002

27 Rilevazione dei volti Ottimi risultati: vicino al 95% in tutti i benchmark (2006) Dipendentemente dalla risoluzione Ripresa frontale Ripresa non frontale R.Cucchiara, A. Prati, R. Vezzani,"A System for Automatic Face Obscuration for Privacy Purposes" in Pattern Recognition Letters, vol. 27, n. 15, pp , 2006

28 Rilevazione automatica di Persone People detection dal movimento Tecniche tipiche dei sistemi di videosorveglianza (background suppression)[cal08] People detection con apprendimento automatico Tecniche tipiche dei sistemi di Pattern recognition da immagini [CAL08]S. Calderara, R. Cucchiara, A. Prati, "Bayesian-competitive Consistent Labeling for People Surveillance"in IEEE Transactions on Pattern Analysis and Machine Intelligence, vol. 30, n. 2, pp , 2008

29 Rilevazione di Persone con apprendimento Dalal Tuzel Felzenszwalb Navneet Dalal and Bill Trigg Histograms of Oriented Gradients for Human Detection CVPR2005 OPENCV O. Tuzel, F. Porikli, and P. Meer, Pedestrian detection via classification on riemannian manifolds, IEEE Trans. on PAMI, Oct. 08 P. Felzenszwalb, D. McAllester, D. Ramanan Object Detection with Discriminatively Trained part based Models,TPAMI

30 Prestazioni :pedestrian detector 2009 INRIA dataset 1000 pedestrian 1 False positive /image 15% miss rate Piotr Doll ar Christian Wojek Bernt Schiele Pietro Perona, Pedestrian Detection: A Benchmark CVPR2009

31 Ricerca Esuaustiva nello spazio e nella scala Ricerca esaustiva su decine di migliaia di windows per immagini Problemi: Falsi positivi, Imprecisione Bassa velocità di ricerca [TUZEL09]Covariance matrix on Reimannian Manifold <0.5fps 31

32 Ricerca Statistica nello spazio e nella scala Giovanni Gualdi, Andrea Prati, Rita Cucchiara, Multi-Stage Particle Windows for Fast and Accurate Object Detection IEEE T- PAMI, 2012

33 Esperimenti in immagini complesse Rilevazione di persone in ambienti non strutturati Progetto PRRIITT 2010 con BRIDGE129 srl Finanziamento Regione Emilia Romagna

34 Risultato finale

35 Rilevamento multi-stage di volti

36 Rilevamento multi-stage di volti e persone Aumento di prestazioni in velocità e precisione

37 Ricerca Esaustiva Il volto non viene rilevato o solo parzialmente False detection 37

38 Ricerca multi-stage precisa False detection 38

39 Rilevamento di affollamenti 39

40 Rilevamento di affollamenti 1st IEEE Workshop on Modeling, Simulation and Visual Analysis of Large Crowds in conjunction with 13th International Conference on Computer Vision (ICCV) 6-13 November, 2011, Barcelona, Spain 40

41 Rilevamento di affollamenti con apprendimento Esempi positivi e negativi[ma2010] con matrici di cooccorrenza nella tessitura W.Ma, L. Huang,C.Liu Crowd denisty analysis using co-occurrence texture feature Proc of 5 ICCITT

42 Classificazione di affollamenti Spazio delle feature Patch di training Casi semplici: 85% recall Nuova patch 42

43 Rilevazione di affollamenti 43

44 Rilevazione di affollamenti e volti Automatic behavior analysis through video processing for transportation hubs, focused on crowded scenarios and abnormal event detection (EU project ) 44

45 Rilevazione di affollamenti e volti Automatic behavior analysis through video processing for transportation hubs, focused on crowded scenarios and abnormal event detection (EU project ) 45

46 Rilevazione di affollamenti e volti 46

47 Rilevazione di persone

48 Anche in sistemi commerciali

49 Esperimenti ad ImageLab Collaborazione ImageLab Modena, IBM Italia, LEPIDA spa Progetto VISERAS 2011

50 Riconscimento di volti e persone People & faces Problema di identificazione di similarità tra i volti (Identificazione 1-n o riconoscimento n-n) o tra l aspetto delle persone (re-identification) Pattern recognition Feature detection Gallery

51 Riconoscimento facciale: progressi scientifici Immagine 20x20 Spazio delle feature ( ) 10 Volti nel 2011 ( ) Prototipi di ricerca Sistemi commerciali T.F. Cootes, G.J. Edwards, and C.J. Taylor, Active appearance models, IEEE Trans. Pattern Analysis and Machine Intelligence, vol. 23, no. 6, pp , Jun. 2001

52 Riconscimento facciale 2D e 3D Riconoscimento indipendente dalla illuminazione Ricostruzione 3D da immagini 2D Face Synthesis and Recognition under Arbitrary Unknown Lighting using a Spherical Harmonic Basis Morphable Model, Lei Zhang, Sen Wang, Dimitris Samaras, In IEEE Proc. of CVPR, pp. II: , Face Reconstruction across Different Poses and Arbitrary Illumination Conditions, Sen Wang, Lei Zhang, Dimitris Samaras, In Audio- and Video-based Biometric Person Authentication, pp , 2005

53 Vendor Test: FERET Face Recognition Vendor Test (FRVT, : una competizione proposta ogni due o tre anni dal National Institute of Standards and Technologies (NIST). Nel 2002 per immagini 2D con differenti illuminazioni Low resolution image dataset JPEG compressed 10K bytes 75 pixels between eyes

54 Miglioramento delle prestazioni Confronto delle prestazioni di False Rejection Rate a parità di False Acceptance Rate di 1 su % 98% Neven Vision Coordinate degli occhi indicate manualmente Immagini riprese a giorni diversi con dimensioni fisse tra gli occhi (68pix) Immagini a bassa risoluzione e dimensioni fisse tra gli occhi (75pixels) Immagini ad alta risoluzione (6Mpix Nikon) image dataset Dimensioni tra occhi 400pixels Database frontale Con illuminazione controllata

55 Vendor TEST 2006 FRVT Confronto uomomacchina 80 coppie di volti di moderata difficoltà presentati agli utenti per 2 secondi A 0.05 FAR le prestazioni umane peggiori di 5 algoritmi!! Tsinghua Univ.

56 Miglioramento delle prestazioni riconoscimento 2D 2010

57 Riconoscimento 2D verso gallerie 3D FRGC (Face Recognition grand challange) tests per immagini e 3D scans D face scans di 466 individui 3D volti a risoluzione 480x640 Poche variazioni di posa Miglior risultato 2006 Viisage

58 Riconscimento di Volti: difficoltà 1) occlusioni, 2) camuffamenti 3) variabilità intra-classe (pose, espressioni..) 4) similarità inter-classe 5) modifiche per l invecchiamento (Aging)

59 Riconoscimento del volto ed invecchiamento Modelli GENERATIVI (che simulano l invecchiamento) Modelli NON GENERATIVI (che cercano feature invarianti) Quentin Tarantino 4 50,50,70,80 anni N.Ramanathan, R.Chellappa, Face verification across age progression, in Proc. IEEE Conf. Computer Vision and Pattern Recognition, San Diego, CA, 2005, pp Bilgin Esme & Bulent Sankur Effects of Aging over Facial Feature Analysis and Face Recognition

60 Modelli Non generativi Energy Coeherency Alcune feature (solo con ottime riprese frontali e con la stessa espressione) sono invarianti Test su 1000 passaporti H.Ling, S.Soatto, N.Ramanathanan, D.Jacobs, A study of face recognition as people age, in IEEE International Conf. on Computer Vision, Rio De Janeiro, Brazil, October

61 Modelli Generativi Modelli geometrici di crescita, a cui aggiungere modelli di cambi di tessitura e di muscolatura S. Biswas, G. Aggarwal, N. Ramanathan, and R. Chellappa, A nongenerative approach for face recognition across aging, Biometrics: Theory, Applications and Systems, 2nd IEEE Intl. Conf. on, pp. 1 6, Oct

62 Ri-identificazione di persone Problema molto complesso Punti di vista diversi Posture ed andature diverse Basse risoluzioni Grandi variabilità Supporto analisi forense Ho gia visto questo individuo? Dove e andato? E comparso piu volte?

63 Ri-identificazione

64 Re-identificazione : risultati molto recenti Modelli 2D Davide Baltieri, Roberto Vezzani, Rita Cucchiara, 3DPeS: 3D People Dataset for Surveillance and Forensics Workshop MA3CHO, ACM Multimedia 2011

65

66 Possibili Collaborazioni Centri di Ricerca Internazionali University of Amsterdam NL (forensics Inst. of Rotterdam) multimedia search, scene reconstruction University of South Florida USA Crowd and people detection University of Maryland,USA Face recognition and action analysis University of Sidney AU People behavior, biometry Attività di standardizzazione: FBI s Forensic Audio, Video and Image Analysis Unit (FAVIAU) Facial Identification Scientific Working Group (FISWG) European network of forensic science institutes (ENFSI) Netherland Forensics Institute (NFI)

67 Impieghi nell ambito della sicurezza (web 2011) National instute of justitice USA 2010 Binocules for Los Angeles Sheriff s Department A small camera fitted to the glasses can capture 400 facial images per second and send them to a central computer database storing up to 13 million faces. The system can compare biometric data at 46,000 points on a face and will immediately signal any matches to known criminals or people wanted by police MORIS, Mobile Offender Recognition and Information System Bid technologies Uffici della polizia di Brockton nel Massachussets Applicazione iphone FBI Next Generation Identification, Jan 2012

68 Osservazioni Il rilevamento di persone ha molti falsi positivi e imprecisioni, miglioramenti in precisione e velocità manca analisi di altre posture Il rilevamento di volti e molto robusto anche di profilo e con occlusioni a buone risoluzioni Il riconoscimento di volti ha errori di FAR e FDR MOLTO BASSI in riprese ottimali; forte attività di miglioramento per variabilità, I volti non hanno la caratteristica di unicità Il riconscimento di persone e ancora all infanzia.. pero si puo conoscerne l errore statistico e calcolarne la verosomiglianza valido aiuto durante le indagini

69 Multimedia in forensics: conclusioni Tecnologie informatiche e dati multimediali al servizio dell analisi forense Nuove opportunità di analisi massiva di dati Nuove opportunità di misurazioni statistiche certe Nuove opportunità di standardizzazione di procedure di indagini Nuove opportunità di collaborazioni Master Universitario di II livello in Sicurezza Informatica e Disciplina Giuridica

70 Grazie.. Grazie ad ImageLab Andrea Prati, Roberto Vezzani, Costantino Grana, Simone Calderara, Giovanni Gualdi, Paolo Piccinini,, Daniele Borghesani, Paolo Santinelli, Amid Rashid, Davide Baltieri,, Michele Fornaciari, Dalia Coppi, Marco Manfredi, Rudy Melli, Emanuele Perini, Giuliano Pistoni.. Visione, Pattern Recognition e Multimedia

Intelligenza Artificiale

Intelligenza Artificiale Intelligenza Artificiale Anno Accademico 2008-2009 Anno Accademico 2008-2009 Introduzione alla Visione Artiificiale Introduzione alla Visione Artiificiale Sommario Introduzione Percezione Formazione delle

Dettagli

Visione Computazionale

Visione Computazionale Il docente Visione Computazionale Introduzione al corso a.a. 2004/2005 Andrea FUSIELLO, Professore Associato Dip. Informatica, Ca Vignal 2, I piano, stanza 5 Email: andrea.fusiello@univr.it Web Page del

Dettagli

Classificazione e Segmentazione di Gesture per la Human Computer Interaction

Classificazione e Segmentazione di Gesture per la Human Computer Interaction Università degli studi di Modena e Reggio Emilia Dipartimento di Ingegneria "Enzo Ferrari" Corso di Laurea Magistrale in Ingegneria Informatica Classificazione e Segmentazione di Gesture per la Human Computer

Dettagli

Tecniche di riconoscimento statistico

Tecniche di riconoscimento statistico On AIR s.r.l. Tecniche di riconoscimento statistico Applicazioni alla lettura automatica di testi (OCR) Parte 1 - Introduzione generale Ennio Ottaviani On AIR srl ennio.ottaviani@onairweb.com http://www.onairweb.com/corsopr

Dettagli

CORSO DI WEB MINING E RETRIEVAL - INTRODUZIONE AL CORSO -

CORSO DI WEB MINING E RETRIEVAL - INTRODUZIONE AL CORSO - 1 CORSO DI WEB MINING E RETRIEVAL - INTRODUZIONE AL CORSO - Corsi di Laurea in Informatica, Ing. Informatica, Ing. di Internet (a.a. 2013-2014) Roberto Basili 2 Overview WM&R: Motivazioni e prospettive

Dettagli

CORSO DI WEB MINING E RETRIEVAL - INTRODUZIONE AL CORSO -

CORSO DI WEB MINING E RETRIEVAL - INTRODUZIONE AL CORSO - 1 CORSO DI WEB MINING E RETRIEVAL - INTRODUZIONE AL CORSO - Corsi di Laurea in Informatica, Ing. Informatica, Ing. di Internet (a.a. 2015-2016) Roberto Basili 2 Overview WM&R: Motivazioni e prospettive

Dettagli

Italiana. Dipartimento di Ingegneria Enzo Ferrari Via Vignolese 905B 41125 Modena - Italy Telefono: +39 059 2056171 Fax: +39 059 2056129 Email:

Italiana. Dipartimento di Ingegneria Enzo Ferrari Via Vignolese 905B 41125 Modena - Italy Telefono: +39 059 2056171 Fax: +39 059 2056129 Email: Informazioni Personali Roberto Vezzani Luogo e Data di Nascita: Correggio(RE) 31/10/1977 Residenza e domicilio: Via Vicentini 1 42015 Correggio(RE) 0522691159 CF: VZZRRT77R31D037F Cittadinanza: Italiana

Dettagli

Un sistema di Vision Inspection basato su reti neurali

Un sistema di Vision Inspection basato su reti neurali Un sistema di Vision Inspection basato su reti neurali Ludovico Buffon 1, Evelina Lamma 1, Fabrizio Riguzzi 1, Davide Formenti 2 1 Dipartimento di Ingegneria, Via Saragat 1, 44122 Ferrara (FE), Italia

Dettagli

F ORMATO EUROPEO INFORMAZIONI PERSONALI. Data di nascita 21 GENNAIO 1966 ESPERIENZA LAVORATIVA PER IL CURRICULUM VITAE

F ORMATO EUROPEO INFORMAZIONI PERSONALI. Data di nascita 21 GENNAIO 1966 ESPERIENZA LAVORATIVA PER IL CURRICULUM VITAE F ORMATO EUROPEO PER IL CURRICULUM VITAE INFORMAZIONI PERSONALI Nome ARMANDO STERNIERI Nazionalità Italiana Data di nascita 21 GENNAIO 1966 ESPERIENZA LAVORATIVA Principali mansioni e responsabilità Principali

Dettagli

DALLA VISIONE NATURALE ALLA VISIONE ARTIFICIALE

DALLA VISIONE NATURALE ALLA VISIONE ARTIFICIALE DALLA VISIONE NATURALE ALLA VISIONE ARTIFICIALE Prof. Gian Luca Foresti Università di Udine Dipartimento di Matematica ed Informatica (DIMI) Laboratorio di Visione e Sistemi Real-Time (AVIRES) Gli esseri

Dettagli

POLITECNICO DI BARI RICONOSCIMENTO DI VOLTI MEDIANTE H.M.M. SUPPORTATO DA RETI NEURALI

POLITECNICO DI BARI RICONOSCIMENTO DI VOLTI MEDIANTE H.M.M. SUPPORTATO DA RETI NEURALI POLITECNICO DI BARI FACOLTÀ DI INGEGNERIA CORSO DI LAUREA IN INGEGNERIA ELETTRONICA TESI DI LAUREA IN CALCOLATORI ELETTRONICI RICONOSCIMENTO DI VOLTI MEDIANTE H.M.M. SUPPORTATO DA RETI NEURALI Relatore:

Dettagli

Multimedia Information Retrieval

Multimedia Information Retrieval Sistemi di Elaborazione dell informazione II Corso di Laurea Specialistica in Ingegneria Telematica II anno 4 CFU Università Kore Enna A.A. 2009-2010 Alessandro Longheu http://www.diit.unict.it/users/alongheu

Dettagli

F O R M A T O E U R O P E O P E R

F O R M A T O E U R O P E O P E R F O R M A T O E U R O P E O P E R I L C U R R I C U L U M V I T A E INFORMAZIONI PERSONALI Nome Indirizzo ARMANDO STERNIERI VIA SIROTTI, 19 42121 REGGIO EMILIA- ITALIA Telefono 0522/455141 Fax 0522/451382

Dettagli

La Visione Artificiale

La Visione Artificiale Accademia Nazione di Scienze, Lettere e Arti di Modena La Visione Artificiale Ovvero: le macchine possono Vedere? 5 maggio 2010 Prof. Ing. Rita Cucchiara Dipartimento di Ingegneria g dell Informazione

Dettagli

Computer Vision Corso di Laurea Specialistica in Informatica A.A. 2008/2009 Sebastiano Battiato Mercoledì (9.00-11.00) Venerdì (10.00 12.

Computer Vision Corso di Laurea Specialistica in Informatica A.A. 2008/2009 Sebastiano Battiato Mercoledì (9.00-11.00) Venerdì (10.00 12. Computer Vision Corso di Laurea Specialistica in Informatica A.A. 2008/2009 Sebastiano Battiato Mercoledì (9.00-11.00) Venerdì (10.00 12.00) Aula 2 What is Computer Vision? La Visione è forse il senso

Dettagli

Sistemi Biometrici. Università di Bologna. ( Web site: http://biolab.csr.unibo.it. Outline. Riconoscimento di persone e biometria

Sistemi Biometrici. Università di Bologna. ( Web site: http://biolab.csr.unibo.it. Outline. Riconoscimento di persone e biometria Sistemi Biometrici BIOLAB - Biometric System Lab Università di Bologna ( Web site: http://biolab.csr.unibo.it ) Outline Riconoscimento di persone e biometria Sistemi biometrici: definizione Panoramica

Dettagli

Studio e implementazione di un OCR per auto-tele-lettura dei contatori di gas e acqua

Studio e implementazione di un OCR per auto-tele-lettura dei contatori di gas e acqua POLITECNICO DI MILANO Corso di Laurea in Ingegneria Informatica Dipartimento di Elettronica e Informazione Studio e implementazione di un OCR per auto-tele-lettura dei contatori di gas e acqua AI & R Lab

Dettagli

3d geological modelling and education: teaching geological sections and geological mapping with MVE Move

3d geological modelling and education: teaching geological sections and geological mapping with MVE Move 3d geological modelling and education: teaching geological sections and geological mapping with MVE Move Fabrizio Berra, Fabrizio Felletti, Michele Zucali Università degli Studi di Milano, Dip. Scienze

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

inedi Tecnica adattativa per l'interpolazione di immagini

inedi Tecnica adattativa per l'interpolazione di immagini Tesi di laurea inedi Tecnica adattativa per l'interpolazione di immagini Relatore Candidato Prof. Andrea Giachetti Nicola Asuni A.A. 2006/2007 Sommario Introduzione Il metodo di interpolazione NEDI Il

Dettagli

Studio e sviluppo di un algoritmo per l implementazione del Triangle Test in uno scenario applicativo di Image Forensics

Studio e sviluppo di un algoritmo per l implementazione del Triangle Test in uno scenario applicativo di Image Forensics Studio e sviluppo di un algoritmo per l implementazione del Triangle Test in uno scenario applicativo di Image Forensics Andrea Novi Firenze, 29/04/2011 Relatori: Prof. Fabrizio Argenti Dr. Roberto Caldelli

Dettagli

LAUREA MAGISTRALE IN COMUNICAZIONE MULTIMEDIALE

LAUREA MAGISTRALE IN COMUNICAZIONE MULTIMEDIALE LAUREA MAGISTRALE IN COMUNICAZIONE MULTIMEDIALE CLASSE LM-19 INFORMAZIONE E SISTEMI EDITORIALI > A PORDENONE Curriculum Teorie e tecniche per la comunicazione multimediale Pervasive computing and media

Dettagli

La Laurea Magistrale in Informatica 2014-15

La Laurea Magistrale in Informatica 2014-15 Università degli studi di Udine La Laurea Magistrale in Informatica 2014-15 Consiglio del Corso di Studi (CCS) in Materie Informatiche Aprile 2014 E-mail: tutoratoinformatica@uniud.it Il piano di studi

Dettagli

F O R M A T O E U R O P E O

F O R M A T O E U R O P E O F O R M A T O E U R O P E O P E R I L C U R R I C U L U M V I T A E INFORMAZIONI PERSONALI Nome Indirizzo Telefono Fax E-mail Linkedin Skype DEL COCO MARCO Nazionalità Italiana Data di nascita 28/06/1984

Dettagli

IsoStereo 3D: il sistema generale ed automatizzato per ricostruzione tridimensionale

IsoStereo 3D: il sistema generale ed automatizzato per ricostruzione tridimensionale IsoStereo 3D: il sistema generale ed automatizzato per ricostruzione tridimensionale Isomorph srl, Giugno 2008 Caratteristiche del programma: IsoStereo 3D elabora immagini stereoscopiche e ricostruisce

Dettagli

MACHINE LEARNING e DATA MINING Introduzione. a.a.2015/16 Jessica Rosati jessica.rosati@poliba.it

MACHINE LEARNING e DATA MINING Introduzione. a.a.2015/16 Jessica Rosati jessica.rosati@poliba.it MACHINE LEARNING e DATA MINING Introduzione a.a.2015/16 Jessica Rosati jessica.rosati@poliba.it Apprendimento Automatico(i) Branca dell AI che si occupa di realizzare dispositivi artificiali capaci di

Dettagli

Dott. Dore Alessio 1. TEMATICHE DI RICERCA

Dott. Dore Alessio 1. TEMATICHE DI RICERCA Dott. Dore Alessio RELAZIONE SULL'ATTIVITA' E LE RICERCHE SVOLTE ALLA CONCLUSIONE DEL III ANNO DEL XXII CICLO DEL CORSO DI DOTTORATO DI RICERCA IN SCIENZE E INGEGNERIA DELLO SPAZIO 1. TEMATICHE DI RICERCA

Dettagli

Dott. Raimondo De Laurentiis

Dott. Raimondo De Laurentiis Dott. Raimondo De Laurentiis RELAZIONE SULL'ATTIVITA' E LE RICERCHE SVOLTE ALLA CONCLUSIONE DEL II ANNO DEL XV CICLO DEL CORSO DI DOTTORATO DI RICERCA IN SCIENZE E INGEGNERIA DELLO SPAZIO 1. TEMATICHE

Dettagli

Corso di Web Mining e Retrieval

Corso di Web Mining e Retrieval Corso di Web Mining e Retrieval (a.a. 2011-2012) Roberto Basili 1 Obbiettivi del Corso Introduzione alle nozioni di base per l accesso alle informazione distribuita Componente Fondazionale: Problemi di

Dettagli

Tecniche di Visione Artificiale e Pattern Recognition per l analisi di Tessiture su superfici ceramiche

Tecniche di Visione Artificiale e Pattern Recognition per l analisi di Tessiture su superfici ceramiche Tecniche di Visione Artificiale e Pattern Recognition per l analisi di Tessiture su superfici ceramiche R. Cucchiara, S. Calderara Imagelab- Dipartimento di Ingegneria dell Informazione Università di Modena

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

Sistema di rilevamento automatico e riconoscimento volti. aspetti metodologici e pratici

Sistema di rilevamento automatico e riconoscimento volti. aspetti metodologici e pratici Introduzione Sistema di rilevamento automatico e riconoscimento volti: aspetti metodologici e pratici by Univr https://www.scienze.univr.it 24 novembre 2010 Goal Introduzione Goal Sistemi biometrici Face

Dettagli

Curriculum Vitae di Andrea Ribichini

Curriculum Vitae di Andrea Ribichini Dati Anagrafici Nome: Andrea Cognome: Ribichini Data e luogo di nascita: 14/01/1973, Roma Cittadinanza: italiana Titoli di Studio Conseguiti 29/02/2008 Titolo di Dottore di Ricerca in Ingegneria Informatica

Dettagli

SCENE UNDERSTANDING FOR MOBILE ROBOTS

SCENE UNDERSTANDING FOR MOBILE ROBOTS DISS. ETH. NO 18767 SCENE UNDERSTANDING FOR MOBILE ROBOTS A dissertation submitted to ETH ZURICH for the degree of Doctor of Sciences presented by LUCIANO SPINELLO MSc Automation Engineering, Università

Dettagli

Paolo Perlasca. Istruzione e formazione. Esperienza professionale. Attività di ricerca. Attività didattica

Paolo Perlasca. Istruzione e formazione. Esperienza professionale. Attività di ricerca. Attività didattica Paolo Perlasca Dipartimento di Informatica, Indirizzo: via Comelico 39/41, 20135 Milano Telefono: 02-503-16322 Email: paolo.perlasca@unimi.it Paolo Perlasca è ricercatore universitario confermato presso

Dettagli

Eco-REFITec: Seminary and Training course

Eco-REFITec: Seminary and Training course Eco-REFITec: Seminary and Training course About Eco-REFITec: Eco-REFITEC is a research project funded by the European Commission under the 7 th framework Program; that intends to support repair shipyards

Dettagli

Arma dei Carabinieri Raggruppamento CC Investigazioni Scientifiche Reparto Tecnologie Informatiche

Arma dei Carabinieri Raggruppamento CC Investigazioni Scientifiche Reparto Tecnologie Informatiche Arma dei Carabinieri Raggruppamento CC Investigazioni Scientifiche Reparto Tecnologie Informatiche LA SICUREZZA CHE VERRA : scenari futuri e tecnologie emergenti Conferenza Roma, 28 giugno 2012 Sala Conferenze

Dettagli

February 2013 August 2013 Visiting Postdoctoral Associate at Information Society Project of Yale Law School (CT).

February 2013 August 2013 Visiting Postdoctoral Associate at Information Society Project of Yale Law School (CT). Curriculum vitae Pierluigi Perri University Address: Law Department "Cesare Beccaria" Section of Philosophy and Sociology of Law Via Festa del Perdono 3 20122 Milan Academic Experience February 2013 August

Dettagli

I corsi di Dottorato del Dipartimento di Ingegneria Enzo Ferrari

I corsi di Dottorato del Dipartimento di Ingegneria Enzo Ferrari I corsi di Dottorato del Dipartimento di Ingegneria Enzo Ferrari Corsi di Dottorato in Ingegneria 1. PhD "Enzo Ferrari" in Industrial and Environmental Engineering: http://www.phd-enzoferrari.unimore.it

Dettagli

lcosmo@dsi.unive.it Computer Vision, in particolare Nonrigid Matching.

lcosmo@dsi.unive.it Computer Vision, in particolare Nonrigid Matching. F ORMATO EUROPEO PER IL CURRICULUM VITAE INFORMAZIONI PERSONALI Nome COSMO LUCA Indirizzo 6, VIA ACHILLE GRANDI, 31038 PAESE, TREVISO, ITALIA Telefono +39 349 1580861 E-mail lcosmo@dsi.unive.it Nazionalità

Dettagli

Sistema di rilevamento automatico e riconoscimento volti. aspetti metodologici e pratici

Sistema di rilevamento automatico e riconoscimento volti. aspetti metodologici e pratici Introduzione Sistema di rilevamento automatico e riconoscimento volti: aspetti metodologici e pratici by Univr https://www.scienze.univr.it 24 novembre 2010 Goal Introduzione Goal Sistemi biometrici Face

Dettagli

Space surveillance systems for close approach management

Space surveillance systems for close approach management Space surveillance systems for close approach management Università di Bologna Alma Mater Studiorum, Università di Roma La Sapienza CIGC SICRAL Ministero della Difesa Ricercatori Coinvolti Alessandro Ceruti,

Dettagli

Riconoscimento di volti con tecniche 3D per controlli di sicurezza

Riconoscimento di volti con tecniche 3D per controlli di sicurezza Riconoscimento di volti con tecniche 3D per controlli di sicurezza D.Giorgi, M.Attene, G. Patanè, S. Marini, C. Pizzi, S. Biasotti, M. Spagnuolo, B. Falcidieno Istituto di Matematica Applicata e Tecnologie

Dettagli

Intelligenza Computazionale

Intelligenza Computazionale Intelligenza Computazionale A.A. 2009/10 Docente: Francesco Masulli masulli@disi.unige.it L'Intelligenza Computazionale (o Soft Computing o Natural Computing): insieme di metodologie di elaborazione dell'informazione

Dettagli

A.I.PRO.S. ASSOCIAZIONE ITALIANA PROFESSIONISTI DELLA SICUREZZA

A.I.PRO.S. ASSOCIAZIONE ITALIANA PROFESSIONISTI DELLA SICUREZZA IDENTIFICAZIONE BIOMETRICA TRAMITE UN SISTEMA DI SORVEGLIANZA INNOVATIVO Proff. REMO SALA, EMANUELE ZAPPA, ALFREDO CIGADA Sezione di Misure e Tecniche Sperimentali Dipartimento di Meccanica - IV Facoltà

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

Laboratorio di Elaborazione e Trasmissione Video

Laboratorio di Elaborazione e Trasmissione Video + Laboratorio di Elaborazione e Trasmissione Video Prof. Christian Micheloni Dott. Marco Vernier Dipartimento di Matematica e Informatica Università degli studi di Udine Cosa abbiamo visto Nella 1 lezione:

Dettagli

Applicazioni di Visione Artificiale su smart camera

Applicazioni di Visione Artificiale su smart camera Fabrizio Dini Applicazioni di Visione Artificiale su smart camera Magenta srl Società di Ingegneria Informatica di Firenze fondata nel 2007. Oggi l'azienda è principalmente un fornitore di tecnologie IT

Dettagli

Facoltà di Scienze Matematiche, Fisiche e Naturali Corso di laurea specialistica in INFORMATICA

Facoltà di Scienze Matematiche, Fisiche e Naturali Corso di laurea specialistica in INFORMATICA Università degli Studi di Perugia Facoltà di Scienze Matematiche, Fisiche e Naturali Corso di laurea specialistica in INFORMATICA Basi di Dati Avanzate e Tecniche di Data Mining Prof. G. Cecconi, Prof.

Dettagli

Identificazione del dispositivo sorgente

Identificazione del dispositivo sorgente UNIVERSITÀ DEGLI STUDI DI FIRENZE Facoltà di Ingegneria Corso di Laurea in INGEGNERIA INFORMATICA Identificazione del dispositivo sorgente mediante tecniche di Image Forensics Tesi di Laurea di ANDREA

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

M257SC. Scanner per lastre Scanner for slabs

M257SC. Scanner per lastre Scanner for slabs M257SC Scanner per lastre Scanner for slabs M257SC Scanner per lastre utilizzato per la creazione di foto digitali a colori ad alta defi nizione e per il rilevamento dei dati dimensionali. Per ogni lastra

Dettagli

Forensic meeting. Roma 11 Settembre 2013 Hotel dei Congressi - Viale Shakespeare 29 (EUR) Milano 12 Settembre 2013 Hotel Concorde - Viale Monza 132

Forensic meeting. Roma 11 Settembre 2013 Hotel dei Congressi - Viale Shakespeare 29 (EUR) Milano 12 Settembre 2013 Hotel Concorde - Viale Monza 132 Forensic meeting Roma 11 Settembre 2013 Hotel dei Congressi - Viale Shakespeare 29 (EUR) Milano 12 Settembre 2013 Hotel Concorde - Viale Monza 132 4N6 S.R.L d intesa con l Associazione Europea Scienze

Dettagli

LA VISIONE ARTIFICIALE

LA VISIONE ARTIFICIALE LA VISIONE ARTIFICIALE PER LA VIDEO SORVEGLIANZA 3.7 Rita Cucchiara Gli studi di Visione Artificiale e Pattern Recognition propongono soluzioni sempre più sofisticate per essere applicate alla Video Sorveglianza,

Dettagli

Procedure d orientamento d immagini: Test e Valutazioni Metriche

Procedure d orientamento d immagini: Test e Valutazioni Metriche Low Cost 3D WORKSHOP Trento 8-9 Marzo 2012 Procedure d orientamento d immagini: Test e Valutazioni Metriche Silvio Del Pizzo, Fabio Remondino, Salvatore Troisi Introduzione alla problematica Software open

Dettagli

Ricostruzione stereo. Il nostro obiettivo. Ricostruzione del Cenacolo Vinciano. Ricostruire la profondità. d Y

Ricostruzione stereo. Il nostro obiettivo. Ricostruzione del Cenacolo Vinciano. Ricostruire la profondità. d Y Il nostro obiettivo Daniele Marini Ricostruzione stereo Ricostruire scenari 3D da più immagini per inserire oggetti di sintesi Ricostruire la profondità Ricostruzione del Cenacolo Vinciano Solo se abbiamo

Dettagli

Sistema avanzato per la classificazione delle aree agricole in immagini ad elevata risoluzione geometrica: applicazione al territorio del Trentino

Sistema avanzato per la classificazione delle aree agricole in immagini ad elevata risoluzione geometrica: applicazione al territorio del Trentino Sistema avanzato per la classificazione delle aree agricole in immagini ad elevata risoluzione geometrica: applicazione al territorio del Trentino Edoardo ARNOLDI (*), Lorenzo BRUZZONE (**), Lorenzo CARLIN

Dettagli

Lezione 8. Data Mining

Lezione 8. Data Mining Lezione 8 Data Mining Che cos'è il data mining? Data mining (knowledge discovery from data) Estrazione di pattern interessanti (non banali, impliciti, prima sconosciuti e potenzialmente utili) da enormi

Dettagli

Punto della Situazione. Dipartimento di Informatica e Comunicazione Università degli Studi di Milano e-mail: cazzola@dico.unimi.it

Punto della Situazione. Dipartimento di Informatica e Comunicazione Università degli Studi di Milano e-mail: cazzola@dico.unimi.it Punto della Situazione Dipartimento di Informatica e Comunicazione Università degli Studi di e-mail: cazzola@dico.unimi.it Slide 1 of 8 EOS-DUE: Informazioni Generali. L (responsabile), Lorenzo Capra e

Dettagli

Descrittori per i contorni: lunghezza, orientazione, del segmento congiungente punti estremi, numero di concavità

Descrittori per i contorni: lunghezza, orientazione, del segmento congiungente punti estremi, numero di concavità Texture analysis Introduzione Una regione di una immagine può essere rappresentata mediante le sue caratteristiche esterne i contorni Descrittori per i contorni: lunghezza, orientazione, del segmento congiungente

Dettagli

Un analisi della VQR04-10. A cura di P. Ciancarini, membro GEV area1 Riunione GRIN Milano, 20 novembre 2013

Un analisi della VQR04-10. A cura di P. Ciancarini, membro GEV area1 Riunione GRIN Milano, 20 novembre 2013 Un analisi della VQR04-10 A cura di P. Ciancarini, membro GEV area1 Riunione GRIN Milano, 20 novembre 2013 Agenda Il passato: come è stata impostata la VQR2004-2010 Il presente: analisi e conseguenze dei

Dettagli

MACHINE LEARNING E STRUMENTI ANTICRIMINE NELL ERA DEI BIG DATA. Gaetano Bruno Ronsivalle

MACHINE LEARNING E STRUMENTI ANTICRIMINE NELL ERA DEI BIG DATA. Gaetano Bruno Ronsivalle Gaetano Bruno Ronsivalle Università degli Studi di Verona Tecnologie informatiche e multimediali MACHINE LEARNING E STRUMENTI ANTICRIMINE NELL ERA DEI BIG DATA Argomenti Big Data: una galassia online Machine

Dettagli

Descrizione dell Offerta Formativa

Descrizione dell Offerta Formativa Descrizione dell Offerta Formativa Titolo dell Offerta Formativa TECNICHE AVANZATE DI PROGRAMMAZIONE Articolazione e Contenuti dell Offerta Formativa Il percorso è articolato in due moduli didattici, della

Dettagli

Raggruppamento Carabinieri Investigazioni Scientifiche

Raggruppamento Carabinieri Investigazioni Scientifiche Raggruppamento Carabinieri Investigazioni Scientifiche Reparto Tecnologie Informatiche L Arma LArma dei Carabinieri ed i Crimini ad alta tecnologia Narni, 15 maggio 2009 Magg. CC Ing. Marco Mattiucci Reparto

Dettagli

Master in Computer Game Dev. Interaction Design

Master in Computer Game Dev. Interaction Design Master in Computer Game Dev Interaction Design Il Docente Umberto Castellani (PhD) Ricercatore del Dipartimento di Informatica Università di Verona VIPS (Vision, Image Processing & Sound) (http://vips.sci.univr.it)

Dettagli

Applicazioni della Realtà Virtuale al settore della Riabilitazione Motoria. Stato dell arte e caso di studio: il progetto HYPER Alessandro De Mauro

Applicazioni della Realtà Virtuale al settore della Riabilitazione Motoria. Stato dell arte e caso di studio: il progetto HYPER Alessandro De Mauro Applicazioni della Realtà Virtuale al settore della Riabilitazione Motoria. Stato dell arte e caso di studio: il progetto HYPER Alessandro De Mauro Ademauro@vicomtech.org Vicomtech Centro tecnologico no

Dettagli

Apprendimento Automatico

Apprendimento Automatico Metodologie per Sistemi Intelligenti Apprendimento Automatico Prof. Pier Luca Lanzi Laurea in Ingegneria Informatica Politecnico di Milano Polo regionale di Como Intelligenza Artificiale "making a machine

Dettagli

Curriculum dell attività scientifica e professionale di Marina Popolizio

Curriculum dell attività scientifica e professionale di Marina Popolizio Curriculum dell attività scientifica e professionale di Marina Popolizio Titoli di Studio - Dottorato di Ricerca in Matematica conseguito presso l Università degli Studi di Bari in data 28-03-2008. Titolo

Dettagli

Indicizzazione terza parte e modello booleano

Indicizzazione terza parte e modello booleano Reperimento dell informazione (IR) - aa 2014-2015 Indicizzazione terza parte e modello booleano Gruppo di ricerca su Sistemi di Gestione delle Informazioni (IMS) Dipartimento di Ingegneria dell Informazione

Dettagli

Laboratorio di Scienze Forensi. Pin s.c.r.l. University of Florence

Laboratorio di Scienze Forensi. Pin s.c.r.l. University of Florence Laboratorio di Scienze Forensi Pin s.c.r.l. University of Florence Chi siamo Il FORLAB è nato nel 2010 nell Università di Firenze dall incontro di professionisti del settore forense e ricercatori accademici

Dettagli

ATTIVITÀ SCIENTIFICA Prof. ing. Leonarda CARNIMEO

ATTIVITÀ SCIENTIFICA Prof. ing. Leonarda CARNIMEO ATTIVITÀ SCIENTIFICA Prof. ing. Leonarda CARNIMEO Nella propria attività di ricerca la prof. Leonarda Carnimeo collabora con Docenti e Ricercatori appartenenti ad altre sedi universitarie in vari Programmi

Dettagli

L operatore SIFT per l orientamento di immagini acquisite con prese non-normali

L operatore SIFT per l orientamento di immagini acquisite con prese non-normali L operatore per l orientamento di immagini acquisite con prese non-normali Andrea Lingua(*), Davide Marenchino (*), Francesco Nex (*) (*) DITAG Dipartimento di Ingegneria del Territorio, dell Ambiente

Dettagli

Venerdì 4 dicembre 2009, Aula FA-2-G Facoltà di Ingegneria di Modena. Andrea Prati Simona Sassatelli

Venerdì 4 dicembre 2009, Aula FA-2-G Facoltà di Ingegneria di Modena. Andrea Prati Simona Sassatelli Seminario sui sistemi RFID: Radio Frequency Identification Venerdì 4 dicembre 2009, Aula FA-2-G Facoltà di Ingegneria di Modena Andrea Prati Simona Sassatelli Flavio Bonfatti IL PROBLEMA: MONITORAGGIO

Dettagli

CURRICULUM VITAE LEONARDO RIGUTINI

CURRICULUM VITAE LEONARDO RIGUTINI CURRICULUM VITAE LEONARDO RIGUTINI Ufficio Dipartimento Ingegneria dell Informazione Universit di Siena Via Roma, 56-53100 Siena (SI) Fax: 0577 233602 e mail: rigutini@dii.unisi.it Casa Via Dei Grifoni

Dettagli

Il ruolo dell università: la Ricerca Operativa / Management Science

Il ruolo dell università: la Ricerca Operativa / Management Science Il ruolo dell università: la Ricerca Operativa / Management Science Giovanni Righini Università degli Studi di Milano Busin3ss Analyt1cs: la matematica che crea valore Crema, 21 Giugno 2011 Definizione

Dettagli

09/12/2013 Riconoscimento facciale 2

09/12/2013 Riconoscimento facciale 2 Lezione 10: Misure delle Prestazioni Sistemi Multibiometrici Docente: Michele Nappi mnappi@unisa.it biplab.unisa.it 089-963334963334 Verifica e Riconoscimento Verifica: Confronto Uno a Uno. Conferma l

Dettagli

Ingegneria del Software Testing. Corso di Ingegneria del Software Anno Accademico 2012/2013

Ingegneria del Software Testing. Corso di Ingegneria del Software Anno Accademico 2012/2013 Ingegneria del Software Testing Corso di Ingegneria del Software Anno Accademico 2012/2013 1 Definizione IEEE Software testing is the process of analyzing a software item to detect the differences between

Dettagli

CURRICULUM VITAE ET STUDIORUM CIRIACO CIRO PASQUALE. Luglio 2009

CURRICULUM VITAE ET STUDIORUM CIRIACO CIRO PASQUALE. Luglio 2009 CURRICULUM VITAE ET STUDIORUM DI CIRIACO CIRO PASQUALE Luglio 2009 INDICE 1. DATI ANAGRAFICI, FORMAZIONE E STATO DI SERVIZIO 2. ATTIVITÀ DI RICERCA 3. ATTIVITÀ DIDATTICHE 4. PUBBLICAZIONI 5. ATTIVITÀ ORGANIZZATIVE

Dettagli

Computer Graphics. 3D Rendering. Digital representation of 3D objects. Scena 3D rendering image. Geometry of a 3D object. 3D Model

Computer Graphics. 3D Rendering. Digital representation of 3D objects. Scena 3D rendering image. Geometry of a 3D object. 3D Model Computer Graphics 3D Rendering Università dell Insubria Digital representation of 3D objects Facoltà di Scienze MFN di Varese Corso di Laurea in Informatica Anno Accademico 2014/15 Scena 3D rendering image

Dettagli

ORECCHIE ELETTRONICHE

ORECCHIE ELETTRONICHE ORECCHIE ELETTRONICHE Uno su cento, percorso di orientamento in Università 5 Marzo 2015 Alessio Degani University of Brescia - Communication Technology and Multimedia Signals and Communication LAB, Department

Dettagli

4th International Conference in Software Engineering for Defence Applications SEDA 2015

4th International Conference in Software Engineering for Defence Applications SEDA 2015 me Ho CALL FOR PAPERS: 4th International Conference in Software Engineering for Defence Applications SEDA 2015 Software Engineering aims at modeling, managing and implementing software development products

Dettagli

Quali e-service per l'azienda e le reti di impresa Progetto Essence. Piattaforma ICT & Design

Quali e-service per l'azienda e le reti di impresa Progetto Essence. Piattaforma ICT & Design Quali e-service per l'azienda e le reti di impresa Progetto Essence Piattaforma ICT & Design IL SISTEMA REGIONALE DELLA RICERCA Università di Bologna Università di Ferrara Università ità di Modena e Reggio

Dettagli

Curriculum Vitae - Elisabetta Fersini

Curriculum Vitae - Elisabetta Fersini Curriculum Vitae - Elisabetta Fersini Dati Personali Nome: Elisabetta Fersini Nata il: 10 agosto 1979 a Garbagnate Milanese, Milano Nazionalità: Italiana Recapiti: Dipartimento di Informatica, Sistemistica

Dettagli

I SISTEMI DI IDENTIFICAZIONE AUTOMATICA PER LA SICUREZZA WHITE PAPER SIRMI SPA

I SISTEMI DI IDENTIFICAZIONE AUTOMATICA PER LA SICUREZZA WHITE PAPER SIRMI SPA I SISTEMI DI IDENTIFICAZIONE AUTOMATICA PER LA SICUREZZA WHITE PAPER SIRMI SPA e Wise Media S.p.A. per Maggio 2009 SIRMI assicura che la presente indagine è stata effettuata con la massima cura e con tutta

Dettagli

CDVS La visione artificiale per nuovi servizi e applicazioni industriali

CDVS La visione artificiale per nuovi servizi e applicazioni industriali Milano, 10 Giugno 2014 CDVS La visione artificiale per nuovi servizi e applicazioni industriali La ricerca visuale La ricerca di informazioni 3 La ricerca visuale 4 CDVS: la visione artificiale per nuovi

Dettagli

Modeling and Tracking Social Walkers

Modeling and Tracking Social Walkers Diss. ETH No. 20340 Modeling and Tracking Social Walkers A dissertation submitted to the ETH ZURICH for the degree of Doctor of Science ETH presented by Stefano Pellegrini M.Eng. Sapienza University of

Dettagli

VISIONE PER COMPETERE

VISIONE PER COMPETERE Workshop VISIONE PER COMPETERE Innovare i prodotti e i processi con le nuove tecnologie di visione artificiale Giovedì 14 Aprile 2011 ore 14.30 17.30 Presso Soilmec Gruppo Trevi Via Dismano 5819 Pievesestina

Dettagli

(rimosso nella versione online) 52044 Cortona (Arezzo), ITALY. Data di Nascita: 21 Marzo 1981. mela@dii.unisi.it http://www.dii.unisi.

(rimosso nella versione online) 52044 Cortona (Arezzo), ITALY. Data di Nascita: 21 Marzo 1981. mela@dii.unisi.it http://www.dii.unisi. Stefano Melacci [Curriculum Vitae] Informazioni Personali Posizione Attuale Ricerca Istruzione e Formazione Indirizzo: (rimosso nella versione online) 52044 Cortona (Arezzo), ITALY Nazionalità: Italiana

Dettagli

Casi di studio e progetti sull'innovazione informatica dei servizi logistici Rete Alta Tecnologia dell Emilia-Romagna Piattaforma ICT & Design

Casi di studio e progetti sull'innovazione informatica dei servizi logistici Rete Alta Tecnologia dell Emilia-Romagna Piattaforma ICT & Design Casi di studio e progetti sull'innovazione informatica dei servizi logistici Rete Alta Tecnologia dell Emilia-Romagna Piattaforma ICT & Design Lucia Mazzoni, ASTER IL SISTEMA REGIONALE DELLA RICERCA Università

Dettagli

Politecnico de Milano Dipartamento di Architettura e Pianificazione Laboratorio di Qualità Urbana e Sicurezza Laboratorio Qualità urbana e sicurezza Prof. CLARA CARDIA URBAN SAFETY AND QUALITY LABORATORY

Dettagli

Progetto Didattico di Informatica Multimediale

Progetto Didattico di Informatica Multimediale Progetto Didattico di Informatica Multimediale VRAI - Vision, Robotics and Artificial Intelligence 20 aprile 2015 Rev. 18+ Introduzione Le videocamere di riconoscimento sono strumenti sempre più utilizzati

Dettagli

Dott. Dore Alessio 1. TEMATICHE DI RICERCA

Dott. Dore Alessio 1. TEMATICHE DI RICERCA Dott. Dore Alessio RELAZIONE SULL'ATTIVITA' E LE RICERCHE SVOLTE ALLA CONCLUSIONE DEL I ANNO DEL XXII CICLO DEL CORSO DI DOTTORATO DI RICERCA IN SCIENZE E INGEGNERIA DELLO SPAZIO 1. TEMATICHE DI RICERCA

Dettagli

Fondamenti di Computer Graphics

Fondamenti di Computer Graphics Fondamenti di Computer Graphics Andrea Giachetti Department of Computer Science, University of Verona, Italy andrea.giachetti@univr.it 1 Il corso Simile al corso tenuto nella laurea triennale, solo teoria,

Dettagli

Laurea Magistrale in. Stochastics and Data Science

Laurea Magistrale in. Stochastics and Data Science Laurea Magistrale in Stochastics and Data Science Dati e decisioni: la sfida della società moderna For Today s Graduate, Just One Word: Statistics E. Brynjolfsson, MIT Center for Digital Business Director,

Dettagli

PIANO DI STUDI. Primo anno di corso

PIANO DI STUDI. Primo anno di corso PIANO DI STUDI Laurea in Economia, commercio internazionale e mercati finanziari (DM 270/04) L-33 Bachelor degree in Italian and in English (2 curricula in English) 1) CURRICULUM: Economia internazionale

Dettagli

EOGHAN CASEY DARIO FORTE

EOGHAN CASEY DARIO FORTE LA TECHNOLOGY TRANSFER PRESENTA EOGHAN CASEY DARIO FORTE NETWORK INVESTIGATIONS ROMA 18-20 DICEMBRE 2006 RESIDENZA DI RIPETTA - VIA DI RIPETTA, 231 info@technologytransfer.it www.technologytransfer.it

Dettagli

Annotazione automatica di immagini con sistemi desktop grid

Annotazione automatica di immagini con sistemi desktop grid Annotazione automatica di immagini con sistemi desktop grid Marco Ferrante (ferrante@csita.unige.it) Laura Lo Gerfo (logerfo@disi.unige.it) DISI - Università di Genova Tagging e retrieval di immagini Nell'annotazione

Dettagli

L università degli Studi del Sannio

L università degli Studi del Sannio La ricerca condotta dall Università degli studi del Sannio e dalla Dida Network s.r.l. in tema di formazione avanzata per persone sorde ed in particolare i risultati del progetto: This project has been

Dettagli

Corso di Laurea in Informatica I Livello Lezione Inaugurale del Corso di Computer Forensics

Corso di Laurea in Informatica I Livello Lezione Inaugurale del Corso di Computer Forensics Corso di Laurea in Informatica I Livello Lezione Inaugurale del Corso di Computer Forensics Le Nuove Frontiere dell Investigazione Digitale Dal Cybercrime all Image Forensics 10 Marzo 2011 - ore 15,30

Dettagli