Michele Nappi, Ph.D Dipartimento di Matematica e Informatica Università degli Studi di Salerno

Dimensione: px
Iniziare la visualizzazioe della pagina:

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

Transcript

1 Indicizzazione di Immagini (1) Michele Nappi, Ph.D Dipartimento di Matematica e Informatica Università degli Studi di Salerno

2 Agenda Introduzione al Problema CBIR (Content Based Image Retrieval) Le caratteristiche (features) Basso Livello (low level) Colore Forma Tessitura Frattali Livello Intermedio (middle level) Alto Livello (High level) Misure di Valutazione delle Prestazioni 10/06/2008 M. Nappi 2

3 Quanta Informazione? Ogni anno nel mondo sono prodotti circa 1.5 miliardi GB (1.5EB) di informazioni sotto forma di carta, film, supporti ottici, magnetici, etc. Ciò è equivalente a 250MB per persona 10/06/2008 M. Nappi 3

4 Informazione Digitale Gran parte dell informazione prodotta è in formato digitale ( 93%) Oltre 80 miliardi di fotografie sono scattate ogni anno >400 petabytes > 80 milioni di volte lo spazio necessario per memorizzare le informazioni testuali 10/06/2008 M. Nappi 4

5 Indicizzazione Tradizionale (Manual Annotation)? Quanto è differente l indicizzazione di immagini da quella testuale? Un immagine richiede migliaia di parole Tramonto? Mare? Estate? 10/06/2008 M. Nappi 5 Costa Hawaiana?

6 Image indexing and retrieval Grande quantità di lavoro (proibitiva!) nell indicizzazione basata su annotazione Difficoltà nel catturare il complesso contenuto visuale dell immagine usando poche parole chiave Gli oggetti visuali possono dipendere da molte circostanze Punto di osservazione, illuminazione, etc. Un immagine può avere significati diversi per persone diverse Un immagine può essere interpretata a più livelli di dettaglio 10/06/2008 M. Nappi 6

7 Image indexing and retrieval(cont.) Esempio: Recupero e indicizzazione di immagini con Google Indicizzazione basata su annotazione manuale Query: Sole 10/06/2008 M. Nappi 7

8 Image indexing and retrieval (cont.) L effetto dell età nei sistemi biometrici Indovinate quale persona sulla destra corrisponde a sinistra? Le immagini a sinistra si riferiscono al periodo universitario Le immagini a destra sono scattate 20 anni dopo Se la soluzione è complicata per gli umani come possiamo sperare che un sistema basato su annotazione manuale sia in grado di funzionare? 10/06/2008 M. Nappi 8

9 Image indexing and retrieval (cont.) Indipendente dal Contenuto (contentindependent) L indice non è direttamente dipendente dalle informazioni visuali (contenuto) dell immagine, ma in qualche modo collegato (Esempio: autore, data, luogo, etc.) Dipendente dal Contenuto (contentdependent) L indice è dipende dalle informazioni visuali (contenuto) dell immagine Caratteristiche di livello basso e intermedio conosciute anche come content-dependent metadata (colore, tessitura, forma etc.) Caratteristiche di alto livello conosciute come semantic features (eventi, emozioni, etc.) 10/06/2008 M. Nappi 9

10 CBIR: Content Based Image Retrieval Che cos è un CBIR? Sistema per il recupero di immagini utilizzando il concetto di similarità basata sul contenuto visuale Indici content dependent Indici ibridi content dependent + content independent 10/06/2008 M. Nappi 10

11 Dove si Applica la Tecnologia CBIR? Sicurezza e Prevenzione del Crimine Sistemi Biometrici: Fingerprint, Riconoscimento di Volti, etc. Giornalismo e Pubblicità Diagnostica per Immagini GIS Beni Culturali Ricerche sul Web 10/06/2008 M. Nappi 11

12 CBIR: Le Parole Chiave Query Paradigmi Similarità Caratteristiche (Features) Descrittori Misura delle Prestazioni False Alarms/False Dismissals Efficacia ed Efficienza 10/06/2008 M. Nappi 12

13 Che cos è una Query? Una descrizione simbolica di ciò l utente vuole Esempio: un uomo e una donna sulla spiaggia L intera immagine Una porzione dell immagine. 10/06/2008 M. Nappi 13

14 Paradigmi di Interrogazione QbE Query by Example QbS L utente fornisce come query un immagine (esempio) Query by Sketch L utente disegna la query (sketch) 10/06/2008 M. Nappi 14

15 Similarità tra Immagini La similarità dipende dall utente Le Features Cosa rappresenta la similitudine tra due immagini? Auto dello stesso modello o dello stesso colore? Similarità Locale o Globale 10/06/2008 M. Nappi 15

16 Similarità tra Immagini (cont.) 10/06/2008 M. Nappi 16

17 Che cos è una Caratteristica (feature)? Un attributo dell immagine Colore, Tessitura, Forma, Relazioni Spaziali.. La rappresentazione avviene mediante descrittori 10/06/2008 M. Nappi 17

18 Che cos è una Caratteristica (feature)?(cont.) Feature Examples Color of an image Fractal Pitch of a speech segment Rhythm of an audio segment Camera motion in a video Style of a video Title of a movie Actors in a movie 10/06/2008 M. Nappi 18

19 Che cos è un Descrittore? Rappresentazione delle caratteristiche Definisce la sintassi e la semantica della rappresentazione delle caratteristiche Supporta la comparazione tra caratteristiche Più descrittori possono rappresentare una singola caratteristica Feature: Colore (Forma) Descrittore: Istogramma (Contorno) 10/06/2008 M. Nappi 19

20 Features e Descrittori Ll Visual Descriptors Color Texture Shape Motion 1. Histogram Scalable Color Color Structure GOF/GOP 2. Dominant Color 3. Color Layout Texture Browsing Homogeneous texture Edge Histogram Face recognition Contour Shape Region Shape 2D/3D shape 3D shape Camera motion Motion Trajectory Parametric motion Fractals: Self Similarity Motion Activity 10/06/2008 M. Nappi 20

21 Prestazioni di un CBIR False Alarms Immagini non significative nell insieme risposta False Dismissals Immagini significative non presenti nell insieme risposta 10/06/2008 M. Nappi 21

22 Prestazioni di un CBIR (cont.) Efficacia Numero di false alarms e false dismissals Efficienza Tempo medio di risposta Costruzione dell Indice Misura di similarità Complessità nella formulazione della Query Interazione Uomo/Macchina Estrazione delle Caratteristiche 10/06/2008 M. Nappi 22

23 Prestazioni di un CBIR (cont.) Recall The capability of system to retrieve all relevant images Precision The capability of system to retrieve only relevant images 10/06/2008 M. Nappi 23

24 Prestazioni di un CBIR (cont.) Recall vs Precision Precision 1 0,9 0,8 0,7 0,6 0,5 0,4 0,3 0,2 0,1 0 0,12 0,34 0,55 0,65 0,86 Recall Effectiveness 10/06/2008 M. Nappi 24

25 Measures for CBIR: Normalized Recall TOT is the number of images in the collection (IDB size). Relevant images, for each query, are ranked 1, 2,, REL, where REL is the number of relevant images. Ideal Rank (IR) IR = REL r= 1 r REL Average Rank (AR) AR = REL r= 1 Rankr REL 10/06/2008 M. Nappi 25

26 Measures for CBIR: Normalized Recall Effectiveness = (AR IR) [0; (TOT-REL)] 0(AR = IR) Perfect Retrieval (TOT REL) Worst Case Normalized Recall (NR) [0;1] NR = 1 ( AR IR) ( ) TOT REL 10/06/2008 M. Nappi 26

27 CBIR: Le Attività Query Estrazione delle Caratteristiche Costruzione dell indice Misura della Similarità tra Indici Insieme Risposta 10/06/2008 M. Nappi 27

28 CBIR: Le Attività (cont.) Query Image Retrieved Images User Image Database Image Feature Extraction Image Index building Distance Measure Images Feature Space 10/06/2008 M. Nappi 28

29 Architecture of CBIR Query by text/ Visual example Browsing Result Viewer / Visualisation Feature Extraction (automatic IP/IR) Annotation (manual) Search Engine Indexing 10/06/2008 M. Nappi 29

30 Le Caratteristiche dell Immagine Caratteristiche Astratte (high level) Semantiche Eventi, emozioni.. Caratteristiche Logiche (middle level) Relative all Oggetto Relazioni Spaziali, Oggetto di un certo tipo. Caratteristiche Primitive (low level) Relative alla percezione Colori, tessiture,.. 10/06/2008 M. Nappi 30

31 Caratteristiche Primitive Colore, Tessitura, Forma, Frattali. Le caratteristiche primitive non richiedono una base di conoscenza Campi di Applicazione Face Recognition Web Searching 10/06/2008 M. Nappi 31

32 Caratteristiche Primitive: Color-Based Retrieval 10/06/2008 M. Nappi 32

33 Caratteristiche Primitive: Color-Based Retrieval (cont.) Ogni immagine inserita nel DB è rappresentata in funzione della distribuzione dei colori Istogramma di Colore Durante la ricerca, l utente può sia specificare i colori e la loro percentuale (QbS) sia usare un immagine come query (QbE) Solo le immagini i cui istogrammi di colore sono simili alla query saranno inseriti nell insieme risposta. 10/06/2008 M. Nappi 33

34 Caratteristiche Primitive: Color-Based Retrieval (cont.) QbS: Trova tutte le immagini che hanno il 20% di viola e il 40% di verde QbE: Trova tutte le immagini con percentuale di colore uguale alla query (Es: 60% di verde) 10/06/2008 M. Nappi 34

35 Caratteristiche Primitive: Color-Based Retrieval (cont.) L istogramma di un immaginei è definito come segue: Per ogni colore C i, H ci (I) rappresenta il numero di pixel di colore C i nell immagine I. Quantizzazione dei Colori QBIC (IBM) supporta l indicizzazione basata sul colore 10/06/2008 M. Nappi 35

36 Caratteristiche Primitive: Color-Based Retrieval (cont.) Metrica Euclidea Spazio n-dimensionale dei colori Image 1: (C 11, C 12, C 13, C 1n ) Image 2: (C 21, C 22, C 23, C 2n ) Poco Efficiente DFT + Metrica Euclidea Istogramma = Time Series Cut off delle frequenze (conserviamo solo i primi k coefficienti) k<<n 10/06/2008 M. Nappi 36

37 10/06/2008 M. Nappi 37 Caratteristiche Primitive: Color-Based Retrieval (cont.) Th.del Parseval: Sia X la Discrete Fourier Transform di una sequenza x. Allora No False Dismissals = = = n i n u x i X u rispettivamente e Fourier di sono le trasformate di, dove,, = y x Y X Y X D y x D n k,, Y X D Y X D n k

38 Caratteristiche Primitive: Color-Based Retrieval (cont.) Query Incluse nell insieme risposta [Distanza dalla query P] Non incluse nell insieme risposta (n-dim) o false alarms (k-dim) QUERY Tollerance or similarity=p QUERY Tollerance or similarity=p Space/Time domain: n-dimensional space Frequencies Domain: k-dimensional space (k<<n) 10/06/2008 M. Nappi 38

39 Caratteristiche Primitive: Color-Based Retrieval (cont.) 10/06/2008 M. Nappi 39

40 Caratteristiche Primitive: Color-Based Retrieval (cont.) Bassa Interazione Match Rapido (efficiente) Rapida Costruzione dell Indice (efficiente) Ma Non sempre discriminante (low effectiveness) Necessita di essere combinato con altre caratteristiche 10/06/2008 M. Nappi 40

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

Introduzione alla visione artificiale (computer vision) Alberto Borghese

Introduzione alla visione artificiale (computer vision) Alberto Borghese Introduzione alla visione artificiale (computer vision) Alberto Borghese Copyright N.A. Borghese Università di Milano 19/03/2003 http:\\homes.dsi.unimi.it\ borghese 1/20 Parleremo di: Introduzione & Applicazioni

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

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

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

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

Dettagli

Sistemi Informativi Multimediali 1 - Introduzione

Sistemi Informativi Multimediali 1 - Introduzione Che cos è un sistema informativo multimediale? Sistemi Informativi li 1 - Introduzione Augusto Celentano Università Ca Foscari di Venezia Un sistema informativo multimediale (MMDBMS) è un framework che

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 5 Tecniche OCR Ennio Ottaviani On AIR srl ennio.ottaviani@onairweb.com http://www.onairweb.com/corsopr

Dettagli

Content Based Retrieval in Multimedia Databases

Content Based Retrieval in Multimedia Databases Content Based Retrieval in Multimedia Databases Gianluigi Ciocca, Raimondo Schettini DISCo - Dipartimento di Informatica Sistemistica e Comunicazione - May 2003 Content-Based Retrieval Text-Based Retrieval

Dettagli

Indicizzazione e ricerca delle immagini

Indicizzazione e ricerca delle immagini Indicizzazione e ricerca delle immagini E un settore della ricerca dove sono stati raggiunti risultati molto importanti e avanzati. Ora tali tecniche sono anche incluse nei database relazionali di tipo

Dettagli

MovieShot Motore Di Ricerca Per Film Basato Sul Riconoscimento Della Locandina

MovieShot Motore Di Ricerca Per Film Basato Sul Riconoscimento Della Locandina MovieShot Motore Di Ricerca Per Film Basato Sul Riconoscimento Della Locandina Giorgio Iacoboni Matricola 1099585 Anno Accademico 2010/2011 Outline Introduzione Image Matching Architettura di MovieShot

Dettagli

Basi di Dati Multimediali. Fabio Strocco

Basi di Dati Multimediali. Fabio Strocco Basi di Dati Multimediali Fabio Strocco September 19, 2011 1 Contents 2 Introduzione Le basi di dati (o database) hanno applicazioni in molti campi, in cui è necessario memorizzare, analizzare e gestire

Dettagli

Requisiti per la trasmissione dei dati multimediali. Data rate in Kbps o Mbps per dati non compressi Immagini:

Requisiti per la trasmissione dei dati multimediali. Data rate in Kbps o Mbps per dati non compressi Immagini: Requisiti per la trasmissione dei dati multimediali Data rate in Kbps o Mbps per dati non compressi Immagini: Numero immagini da trasferire nell unità di tempo x dimensione di ogni immagine Audio: Passo

Dettagli

Fondamenti di Informatica Laurea in Ingegneria Civile e Ingegneria per l Ambiente e il Territorio

Fondamenti di Informatica Laurea in Ingegneria Civile e Ingegneria per l Ambiente e il Territorio Dipartimento di Ingegneria dell Informazione Università degli Studi di Parma Fondamenti di Informatica Laurea in Ingegneria Civile e Ingegneria per l Ambiente e il Territorio Rappresentazione dell Informazione

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

Lezione 3 Gestione di immagini ed audio

Lezione 3 Gestione di immagini ed audio Lezione 3 Gestione di immagini ed audio Pasquale Savino ISTI - CNR Gestione delle immagini Lezione 3 Gestione immagini ed audio 2 Acquisizione Acquisizione Le immagini possono essere acquisite utilizzando

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

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

Introduzione alla Linguistica Computazionale

Introduzione alla Linguistica Computazionale Introduzione alla Linguistica Computazionale Salvatore Sorce Dipartimento di Ingegneria Chimica, Gestionale, Informatica e Meccanica Ludici Adattati da Alessandro Lenci Dipartimento di Linguistica T. Bolelli

Dettagli

Automatic Text Processing

Automatic Text Processing Automatic Text Processing Ing. Leonardo Rigutini Dipartimento di Ingegneria dell Informazione Università di Siena Via Roma 53 53100 SIENA ITALY rigutini@dii.unisi.it Outlines L era dell informazione Information

Dettagli

HyperJournal. Un software open source per l Open Publishing. Francesca Di Donato, Università di Pisa, didonato@sp.unipi.it

HyperJournal. Un software open source per l Open Publishing. Francesca Di Donato, Università di Pisa, didonato@sp.unipi.it HyperJournal Un software open source per l Open Publishing Francesca Di Donato, Università di Pisa, didonato@sp.unipi.it Seminario Dopo Berlin3: politiche di accesso aperto alla letteratura scientifica

Dettagli

Cosa abbiamo visto nella lezione precedente..

Cosa abbiamo visto nella lezione precedente.. Cosa abbiamo visto nella lezione precedente.. Lezione 3 Gestione immagini ed audio 1 Gestione dei dati in una Biblioteca Digitale Acquisizione Rappresentazione Indicizzazione Ricerca Conservazione Gestione

Dettagli

Facoltà di Scienze e Tecnologie

Facoltà di Scienze e Tecnologie Corso di Laurea in Informatica Applicata Estratto da: Tesi di laurea di: Matteo Parlani Anno Accademico 2006-2007 Indice 1. Introduzione 2. Cepstrum Analysis 3. Caso di studio 4. Esperimenti 5. Risultati

Dettagli

Argomenti trattati nel corso

Argomenti trattati nel corso Scenari applicativi Prof. Paolo Ciaccia http://www-db. db.deis.unibo.it/courses/si-ls/ 01_Scenarios Scenarios.pdf Sistemi Informativi LS Argomenti trattati nel corso Inizieremo parlando di QUERY CON PREFERENZE

Dettagli

Un sistema per la generazione automatica di ontologie multimediali

Un sistema per la generazione automatica di ontologie multimediali Facoltà di Ingegneria Corso di Studi in Ingegneria Informatica Tesi di laurea specialistica Un sistema per la generazione automatica di ontologie multimediali Anno Accademico 2008/2009 relatori Ch.mo prof.

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

Interrogazione di Immagini in DBMS Multimediali: analisi e sperimentazione

Interrogazione di Immagini in DBMS Multimediali: analisi e sperimentazione UNIVERSITÀ DEGLI STUDI DI MODENA E REGGIO EMILIA Facoltà di Ingegneria Corso di Laurea in Ingegneria Informatica Interrogazione di Immagini in DBMS Multimediali: analisi e sperimentazione Relatore Chiar.mo

Dettagli

Content based Video Indexing and Retreival Di Stephen W. Smoliar e Hong Jiang Zhang National University of Singapore

Content based Video Indexing and Retreival Di Stephen W. Smoliar e Hong Jiang Zhang National University of Singapore Content based Video Indexing and Retreival Di Stephen W. Smoliar e Hong Jiang Zhang National University of Singapore Il video diverra una parte quotidiana dell ambiente dei computer solo quando potremmo

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

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

ALGEBRA DELLE PROPOSIZIONI

ALGEBRA DELLE PROPOSIZIONI Università di Salerno Fondamenti di Informatica Corso di Laurea Ingegneria Corso B Docente: Ing. Giovanni Secondulfo Anno Accademico 2010-2011 ALGEBRA DELLE PROPOSIZIONI Fondamenti di Informatica Algebra

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

ANNOTAZIONE FUZZY E RETRIEVAL DI FORME MEDIANTE CLUSTERING SEMI-SUPERVISIONATO

ANNOTAZIONE FUZZY E RETRIEVAL DI FORME MEDIANTE CLUSTERING SEMI-SUPERVISIONATO UNIVERSITÀ DEGLI STUDI DI BARI ALDO MORO DIPARTIMENTO DI INFORMATICA CORSO DI LAUREA MAGISTRALE IN INFORMATICA TESI DI LAUREA IN ELABORAZIONE DI IMMAGINI E TECNICHE FUZZY ANNOTAZIONE FUZZY E RETRIEVAL

Dettagli

MODULO 5 DATA BASE PROGRAMMA. Progettazione rapida introduzione alla progettazione di DB

MODULO 5 DATA BASE PROGRAMMA. Progettazione rapida introduzione alla progettazione di DB MODULO 5 DATA BASE MODULO 5 - DATA BASE 1 PROGRAMMA Introduzione: concetti generali di teoria Progettazione rapida introduzione alla progettazione di DB Utilizzo di Access pratica sulla creazione e l utilizzo

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

Introduzione alle basi di dati (prima parte)

Introduzione alle basi di dati (prima parte) Introduzione alle basi di dati (prima parte) Università degli Studi di Salerno Corso di Laurea in Scienze della Comunicazione Informatica generale (matr. Dispari) Docente: Angela Peduto A.A. 2007/2008

Dettagli

Lezione 1: Introduzione

Lezione 1: Introduzione Lezione 1: Introduzione Informatica e Produzione Multimediale Docente: Umberto Castellani INFORMAZIONI GENERALI E-mail: umberto.castellani@univr.it Pagina web: http://www.sci.univr.it/~castella/teaching.html

Dettagli

Le Basi di Dati. Le Basi di Dati

Le Basi di Dati. Le Basi di Dati Le Basi di Dati 20/05/02 Prof. Carlo Blundo 1 Le Basi di Dati Le Base di Dati (database) sono un insieme di tabelle di dati strutturate in maniera da favorire la ricerca di informazioni specializzate per

Dettagli

Il calcolatore oggi : UN SISTEMA DI ELABORAZIONE

Il calcolatore oggi : UN SISTEMA DI ELABORAZIONE Il calcolatore oggi : UN SISTEMA DI ELABORAZIONE hardware Firmware, software memorizzato su chip di silicio Sistema Operativo venduto con l, comprende vari programmi di gestione del sistema Applicativo,

Dettagli

Sistemi Elettronici e informatici in ambito Radiologico // Informatica Medica parte c A.A. 2014-15

Sistemi Elettronici e informatici in ambito Radiologico // Informatica Medica parte c A.A. 2014-15 Sistemi Elettronici e informatici in ambito Radiologico // Informatica Medica parte c A.A. 2014-15 Agostino ACCARDO Dipartimento di Ingegneria e Architettura 040-5587148 accardo@units.it Testi di riferimento:

Dettagli

Kirey Re.Search 2.0. Piattaforma di ricerca Open Source

Kirey Re.Search 2.0. Piattaforma di ricerca Open Source Kirey Re.Search 2.0 Piattaforma di ricerca Open Source Le esigenze Quando si parla di motori di ricerca si tende a pensare istintivamente solo a quelli utilizzati per effettuare ricerche in Internet, come

Dettagli

Image Retrieval. Enver Sangineto. Dipartimento di Informatica e Automazione

Image Retrieval. Enver Sangineto. Dipartimento di Informatica e Automazione Image Retrieval Enver Sangineto Dipartimento di Informatica e Automazione Università degli Studi di Roma Tre Cenni di Visual Retrieval per il Corso di Seminari di Sistemi Informatici, Università degli

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

IL GIS Ing. Cristina Vittucci

IL GIS Ing. Cristina Vittucci Università degli studi di Roma Tor Vergata Corso di Telerilevamento e Cartografia Anno accademico 2012/2013 IL GIS Ing. Cristina Vittucci 13 06-2013 GEOGRAPHICAL INFORMATION SYSTEM (GIS) SISTEMA Insieme

Dettagli

Posizionamento nei motori di ricerca

Posizionamento nei motori di ricerca Posizionamento nei motori di ricerca (Introduzione alla SEO 2012 Parte 1) Federico Andrioli Cos'è la SEO? (Search Engine Optimization) Primi nella SERP La pagina di un motore di ricerca con l'elenco

Dettagli

Intangible heritage management and multimodal navigation

Intangible heritage management and multimodal navigation Intangible heritage management and multimodal navigation R. Schettini, G. Ciocca, A. Colombo, I. Gagliardi*, MT Artese* D.I.S.Co. (Dip. Informatica, Sistemistica e Comunicazione) Università degli Studi

Dettagli

Appunti sulle basi di dati. Cos è una base base di dati? Introduzione. D. Gubiani. 19 Luglio 2005

Appunti sulle basi di dati. Cos è una base base di dati? Introduzione. D. Gubiani. 19 Luglio 2005 Appunti sulle basi di dati D. Gubiani Università degli Studi G.D Annunzio di Chieti-Pescara 19 Luglio 2005 1 Cos è una base di dati? 2 3 Cos è una base base di dati? Cos è una base di dati? Una base di

Dettagli

Base Dati Introduzione

Base Dati Introduzione Università di Cassino Facoltà di Ingegneria Modulo di Alfabetizzazione Informatica Base Dati Introduzione Si ringrazia l ing. Francesco Colace dell Università di Salerno Gli archivi costituiscono una memoria

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

Il reference digitale: l intermediazione e le risorse multimediali

Il reference digitale: l intermediazione e le risorse multimediali Università di RomaTre Stato attuale delle metodologie di gestione e diffusione dell informazione multimediale Roma, venerdì 3 dicembre 2004 Il reference digitale: l intermediazione e le risorse multimediali

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

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

Facoltà di Farmacia - Corso di Informatica

Facoltà di Farmacia - Corso di Informatica Basi di dati Riferimenti: Curtin cap. 8 Versione: 13/03/2007 1 Basi di dati (Database, DB) Una delle applicazioni informatiche più utilizzate, ma meno conosciute dai non informatici Avete già interagito

Dettagli

La gestione del documento

La gestione del documento Operatore giuridico d impresa Informatica Giuridica A.A 2002/2003 II Semestre La gestione del documento prof. Monica Palmirani Il documento A differenza del dato il documento è solitamente un oggetto non

Dettagli

Question Answering e semantica Tecnologie emergenti per le imprese. IKL 08 - Intercultural Knowledge Landscapes

Question Answering e semantica Tecnologie emergenti per le imprese. IKL 08 - Intercultural Knowledge Landscapes Question Answering e semantica Tecnologie emergenti per le imprese Cos è QuestIT? QuestIT nasce nell ambito di attività di ricerca in Intelligenza Artificiale presso il Dipartimento di Ingegneria dell

Dettagli

Sommario [1/2] Vannevar Bush Dalle Biblioteche ai Cataloghi Automatizzati Gli OPAC accessibili via Web Le Biblioteche Digitali

Sommario [1/2] Vannevar Bush Dalle Biblioteche ai Cataloghi Automatizzati Gli OPAC accessibili via Web Le Biblioteche Digitali Introduzione alle Biblioteche Digitali Sommario [1/2] Cenni storici Vannevar Bush Dalle Biblioteche ai Cataloghi Automatizzati Gli OPAC accessibili via Web Le Biblioteche Digitali Cos è una Biblioteca

Dettagli

Breve Glossario su spazio di Hilbert e MPEG-7 a cura di Marzio Barbero

Breve Glossario su spazio di Hilbert e MPEG-7 a cura di Marzio Barbero Breve Glossario su spazio di Hilbert e MPEG-7 a cura di Marzio Barbero Per facilitare la lettura dell articolo che segue, poiché affronta temi inusuali per questa rivista, si propone una breve descrizione,

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

Retrieval di oggetti da database 3D

Retrieval di oggetti da database 3D Facoltà di Ingegneria Corso di Studi in Ingegneria Informatica Elaborato finale in Basi di Dati Retrieval di oggetti da database 3D Anno Accademico 2010/2011 Candidato: Ferdinando Rega matr. N46000027

Dettagli

PROGETTO CLUSTER INTELLIGENZA D AMBIENTE: Tecnologie ed Applicazioni

PROGETTO CLUSTER INTELLIGENZA D AMBIENTE: Tecnologie ed Applicazioni PROGETTO CLUSTER INTELLIGENZA D AMBIENTE: Tecnologie ed Applicazioni FASE 1: Definizione del Piano di Formazione di massima per i quattro filoni tecnologici individuati Di seguito vengono proposti i piani

Dettagli

Sommario [1/2] Vannevar Bush Dalle Biblioteche ai Cataloghi Automatizzati Gli OPAC accessibili via Web Le Biblioteche Digitali

Sommario [1/2] Vannevar Bush Dalle Biblioteche ai Cataloghi Automatizzati Gli OPAC accessibili via Web Le Biblioteche Digitali Introduzione alle Biblioteche Digitali Sommario [1/2] Cenni storici Vannevar Bush Dalle Biblioteche ai Cataloghi Automatizzati Gli OPAC accessibili via Web Le Biblioteche Digitali Cos è una Biblioteca

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

DATABASE RELAZIONALI

DATABASE RELAZIONALI 1 di 54 UNIVERSITA DEGLI STUDI DI NAPOLI FEDERICO II DIPARTIMENTO DI DISCIPLINE STORICHE ETTORE LEPORE DATABASE RELAZIONALI Dott. Simone Sammartino Istituto per l Ambiente l Marino Costiero I.A.M.C. C.N.R.

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

Cultura Tecnologica di Progetto

Cultura Tecnologica di Progetto Cultura Tecnologica di Progetto Politecnico di Milano Facoltà di Disegno Industriale - DATABASE - A.A. 2003-2004 2004 DataBase DB e DataBase Management System DBMS - I database sono archivi che costituiscono

Dettagli

Tridentino di Scienze. Fisiche di Trento 23/05/2008. Marina Galetto. Scienze Fisiche, Università degli Studi

Tridentino di Scienze. Fisiche di Trento 23/05/2008. Marina Galetto. Scienze Fisiche, Università degli Studi 2008 Esperimento Esperimento Albedo Albedo Massimo Massimo Bosetti Bosetti Referente Museo scientifico Tridentino di Scienze Museo Tridentino di Scienze Naturali, Naturali Laboratorio di Laboratorio di

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

MultiMedia DataBase Group, DEIS

MultiMedia DataBase Group, DEIS DEIS IEIIT/CNR Università degli Studi di Bologna a FIRENZE WORLD VISION 2004 what will be tomorrow MultiMedia DataBase Group http://www-db.deis.unibo.it/mmdbgroup/ Ricerca per similarità in basi di dati

Dettagli

Operazioni sui database

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

Dettagli

Codifica delle Informazioni

Codifica delle Informazioni Codifica delle Informazioni Luca Bortolussi Dipartimento di Matematica e Informatica Università degli studi di Trieste Panoramica Le informazioni gestite dai sistemi di elaborazione devono essere codificate

Dettagli

Sito web e SEO. Come costruire un sito web vincente e farsi piacere ai motori di ricerca

Sito web e SEO. Come costruire un sito web vincente e farsi piacere ai motori di ricerca Come costruire un sito web vincente e farsi piacere ai motori di ricerca Raffaele Germano Digital Strategist Camera di Commercio Potenza Di cosa parleremo oggi Avere una presenza web: sito proprio o di

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

Tecniche semi-automatiche per l annotazione semantica di dati multimediali

Tecniche semi-automatiche per l annotazione semantica di dati multimediali Alma Mater Studiorum Università degli Studi di Bologna Facoltà di Ingegneria Corso di Laurea in Ingegneria Informatica Tesi di Laurea in Sistemi Informativi LS Tecniche semi-automatiche per l annotazione

Dettagli

disponibili nel pacchetto software.

disponibili nel pacchetto software. Modulo syllabus 4 00 000 00 0 000 000 0 Modulo syllabus 4 DATABASE 00 000 00 0 000 000 0 Richiede che il candidato dimostri di possedere la conoscenza relativa ad alcuni concetti fondamentali sui database

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

HDRI (High Digital Range Images)

HDRI (High Digital Range Images) HDRI (High Digital Range Images) Un punto d incontro tra la fotografia digitale, la fisica e la realtà virtuale Marcello Seri Università di Bologna Cosa L High Dynamic Range Imaging, è una tecnica utilizzata

Dettagli

gestisci client/fornitori, progetti e documenti aziendali con un unica applicazione web Introduzione... 2 Accesso... 2 Gestione anagrafica...

gestisci client/fornitori, progetti e documenti aziendali con un unica applicazione web Introduzione... 2 Accesso... 2 Gestione anagrafica... DocCloud gestisci client/fornitori, progetti e documenti aziendali con un unica applicazione web Introduzione... 2 Accesso... 2 Gestione anagrafica... 3 Gestione documenti... 4 Ricerca documenti... 8 Persone...11

Dettagli

@Giusi Castagnetta tutti i diritti riservati. Seo e contenuti video

@Giusi Castagnetta tutti i diritti riservati. Seo e contenuti video @Giusi Castagnetta tutti i diritti riservati Seo e contenuti video SEO facile Quando cerchiamo qualcosa sui motori di ricerca, ci aspettiamo di trovare per primi i risultati migliori, cioè quelli più pertinenti

Dettagli

Geoemdia. Indice dei Concetti di Base. Claudio Rocchini rockini@tele2.it 2007-2008. Istituto Geografico Militare

Geoemdia. Indice dei Concetti di Base. Claudio Rocchini rockini@tele2.it 2007-2008. Istituto Geografico Militare dei Concetti di Base rockini@tele2.it Istituto Geografico Militare 2007-2008 Sommario Elenchiamo, a mo di glossario, i concetti principali di Geomedia. Questi concetti sono spesso riferiti in inglese e

Dettagli

Random Walker for Content-Based Image Retrieval with Relevance Feedback. Massimo Rabbi

Random Walker for Content-Based Image Retrieval with Relevance Feedback. Massimo Rabbi Random Walker for Content-Based Image Retrieval with Relevance Feedback Massimo Rabbi Contenuti della presentazione Image Retrieval CBIR: content-based VS text-based Relevance Feedback Analisi del lavoro

Dettagli

Semantica: un sistema per l indicizzazione, il retrieval semantico di learning objects e la generazione automatica di corsi didattici

Semantica: un sistema per l indicizzazione, il retrieval semantico di learning objects e la generazione automatica di corsi didattici Tesi di laurea Semantica: un sistema per l indicizzazione, il retrieval semantico di learning objects e la generazione automatica di corsi didattici Anno Accademico 2007/2008 Relatori Ch.mo prof. Angelo

Dettagli

PROGETTO SICH Semantic Illegal Content Hunter

PROGETTO SICH Semantic Illegal Content Hunter PROGETTO SICH Semantic Illegal Content Hunter CONFERENZA FINALE UNO SGUARDO VERSO IL FUTURO: L EREDITÀ DEL PROGETTO SICH Massimo Bernaschi - Istituto Applicazioni del Calcolo - CNR Roma, 20 Novembre 2015

Dettagli

I metadati per documenti audiovisivi

I metadati per documenti audiovisivi Capitolo 5 I metadati per documenti audiovisivi 5.1 Introduzione La produzione di dati multimediali è in continua crescita. Con l avvento della TV digitale, migliaia di canali sono oggi disponibili all

Dettagli

Sistemi di information retrieval e HCIR

Sistemi di information retrieval e HCIR Sistemi di information retrieval e HCIR Dott. Giuseppe Desolda Outline! Panoramica sui sistemi IR! Progettazione di interfacce per i sistemi IR! Framework di valutazione! Tecniche di visualizzazione e

Dettagli

Sistemi avanzati di gestione dei Sistemi Informativi

Sistemi avanzati di gestione dei Sistemi Informativi Esperti nella gestione dei sistemi informativi e tecnologie informatiche Sistemi avanzati di gestione dei Sistemi Informativi Docente: Email: Sito: Eduard Roccatello eduard@roccatello.it http://www.roccatello.it/teaching/gsi/

Dettagli

Codifica delle immagini

Codifica delle immagini FONDAMENTI DI INFORMATICA Prof. PIER LUCA MONTESSORO Facoltà di Ingegneria Università degli Studi di Udine Codifica delle immagini 2000 Pier Luca Montessoro (si veda la nota di copyright alla slide n.

Dettagli

Archivio: è un insieme organizzato di informazioni (movimenti contabili, archivi: clienti/fornitori, personale, magazzino) Proprietà:

Archivio: è un insieme organizzato di informazioni (movimenti contabili, archivi: clienti/fornitori, personale, magazzino) Proprietà: Prof. Emanuele Papotto Gli archivi Archivio: è un insieme organizzato di informazioni (movimenti contabili, archivi: clienti/fornitori, personale, magazzino) Proprietà: tra le informazioni esiste un nesso

Dettagli

Introduzione. Dicom in Oracle 11g: gestione e vantaggi

Introduzione. Dicom in Oracle 11g: gestione e vantaggi Introduzione Dicom in Oracle 11g: gestione e vantaggi Agenda Lo scenario del sistema sanitario moderno Cosa è DICOM? Gestione in Oracle dei dati DICOM Vantaggi Lo scenario Per molti anni utilizzo di carta

Dettagli

Elementi di Informatica. ( Lezione II, parte I ) Sistemi di numerazione: binario, ottale ed esadecimale

Elementi di Informatica. ( Lezione II, parte I ) Sistemi di numerazione: binario, ottale ed esadecimale Elementi di Informatica ( Lezione II, parte I ) Sistemi di numerazione: binario, ottale ed esadecimale Il sistema di numerazione posizionale decimale Nella numerazione posizionale ogni cifra del numero

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

Elementi di Sicurezza e Privatezza Lezione 9 Autenticazione (2)

Elementi di Sicurezza e Privatezza Lezione 9 Autenticazione (2) Elementi di Sicurezza e Privatezza Lezione 9 Autenticazione (2) Chiara Braghin chiara.braghin@unimi.it Autenticazione basata su caratteristiche Autenticazione basata su caratteristiche Possesso di caratteristiche

Dettagli

FONDAMENTI DI MATEMATICA BINARIA

FONDAMENTI DI MATEMATICA BINARIA FONDAMENTI DI MATEMATICA BINARIA Pietro Nicoletti p.nicol@inrete.it Binar - 1 Copyright: si veda nota a pag. 2 Nota di Copyright Questo insieme di trasparenze (detto nel seguito slides) è protetto dalle

Dettagli

Il DNS e la gestione degli indirizzi IP. Appunti a cura del prof. ing. Mario Catalano

Il DNS e la gestione degli indirizzi IP. Appunti a cura del prof. ing. Mario Catalano Il DNS e la gestione degli indirizzi IP Appunti a cura del prof. ing. Mario Catalano Indirizzi fisici e indirizzi astratti Ogni macchina all interno di una rete è identificata da un indirizzo hardware

Dettagli

Uno sguardo a Lucene. Diego De Cao, Roberto Basili Web Mining and Information Retrieval a.a. 2010/2011

Uno sguardo a Lucene. Diego De Cao, Roberto Basili Web Mining and Information Retrieval a.a. 2010/2011 Uno sguardo a Lucene Diego De Cao, Roberto Basili Web Mining and Information Retrieval a.a. 2010/2011 Outline Uno sguardo a Lucene Descrizione delle principali caratteristiche Realizzazione di un semplice

Dettagli

Informatica: Evoluzione dei Linguaggi di Specifica e Programmazione. Informatica: Evoluzione dei Linguaggi di Specifica e Programmazione

Informatica: Evoluzione dei Linguaggi di Specifica e Programmazione. Informatica: Evoluzione dei Linguaggi di Specifica e Programmazione Informatica: Evoluzione dei Linguaggi di Specifica e Programmazione Ugo Montanari Dipartimento di Informatica, Università di Pisa 0 Roadmap Perchè i linguaggi? Che cosa sono i linguaggi? Esempio: i numeri

Dettagli

Interrogazione strutturata di triple RDF estratte dal linguaggio naturale

Interrogazione strutturata di triple RDF estratte dal linguaggio naturale UNIVERSITA DEGLI STUDI DI CAGLIARI FACOLTÀ DI SCIENZE MATEMATICHE, FISICHE E NATURALI Corso di Laurea in Informatica Interrogazione strutturata di triple RDF estratte dal linguaggio naturale Candidato:

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

Informatica per la Storia dell Arte Anno Accademico 2014/2015 Docente: ing. Salvatore Sorce

Informatica per la Storia dell Arte Anno Accademico 2014/2015 Docente: ing. Salvatore Sorce DIPARTIMENTO DI INGEGNERIA CHIMICA, GESTIONALE, INFORMATICA, MECCANICA Informatica per la Storia dell Arte Anno Accademico 2014/2015 Docente: ing. Salvatore Sorce Organizzazione applicazioni multimediali.

Dettagli

Programmi. Algoritmi scritti in un linguaggio di programmazione

Programmi. Algoritmi scritti in un linguaggio di programmazione Programmi Algoritmi scritti in un linguaggio di programmazione Sistema operativo:programma supervisore che coordina tutte le operazioni del calcolatore Programmi applicativi esistenti Sistemi di videoscrittura

Dettagli

Codifica delle immagini

Codifica delle immagini FONDAMENTI DI INFORMATICA Ing. DAVIDE PIERATTONI Facoltà di Ingegneria Università degli Studi di Udine Codifica delle immagini 2000-2007 P. L. Montessoro - D. Pierattoni (cfr.la nota di copyright alla

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