Corso di Aggiornamento su Computer Vision Avanzata

Modulo 1: Introduzione alla Computer Vision Avanzata Panoramica storica della computer vision Concetti fondamentali di visione artificiale Introduzione agli algoritmi e tecniche moderne Modulo 2: Fondamenti matematici e statistici Algebra lineare applicata alla computer vision Statistica e probabilità nei modelli di visione artificiale Funzioni di attivazione e ottimizzazione in reti neurali Modulo 3: Preprocessing delle immagini Tecniche di filtraggio e miglioramento delle immagini Riduzione del rumore e segmentazione Trasformazioni geometriche avanzate (affine, prospettica, etc.) Modulo 4: Reti Neurali Convoluzionali (CNN) - Fondamenti e Architetture Base Struttura di una CNN Convoluzione e pooling Architetture base: LeNet, AlexNet, VGG Modulo 5: Architetture Avanzate di CNN ResNet: Architettura a residuo Inception Network: Architettura multi-scale DenseNet: Reti dense e vantaggi Modulo 6: Transfer Learning Cos'è il transfer learning e quando utilizzarlo Tecniche di fine-tuning e feature extraction Applicazioni pratiche con modelli preaddestrati Modulo 7: Object Detection Avanzata Algoritmi di object detection: R-CNN, Fast R-CNN, Faster R-CNN YOLO (You Only Look Once) e SSD (Single Shot Detector) Tecniche di region proposal e bounding box Modulo 8: Segmentazione Avanzata delle Immagini Segmentazione semantica vs. segmentazione istantanea U-Net per la segmentazione delle immagini mediche Mask R-CNN: Architettura avanzata per la segmentazione Modulo 9: Visione 3D e Ricostruzione 3D Tecniche di stereovisione Sfere di profondità e mappe di disparità Strumenti per la ricostruzione 3D a partire da immagini 2D Modulo 10: Riconoscimento e Tracking degli Oggetti in Video Algoritmi di tracking: Kalman Filter, SORT, Deep SORT Riconoscimento facciale e tracking multi-oggetto Ottimizzazione e gestione delle traiettorie Modulo 11: Generative Adversarial Networks (GAN) per la Computer Vision Introduzione ai GANs e alla loro struttura Applicazioni dei GANs: generazione immagini, super-risoluzione GANs avanzati: StyleGAN, CycleGAN Modulo 12: Analisi delle Scene e Visione Semantica Segmentazione e analisi semantica delle scene Reti neurali per il riconoscimento degli oggetti nelle scene Applicazioni in realtà aumentata e robotica Modulo 13: Analisi dei Dati Visivi attraverso il Deep Learning Reti neurali profonde per la classificazione e l'analisi delle immagini Implementazione di modelli di deep learning in contesti visivi complessi Integrazione di modelli pre-addestrati e modelli personalizzati Modulo 14: Computer Vision in Tempo Reale Ottimizzazione degli algoritmi per l'elaborazione in tempo reale Tecniche di accelerazione hardware: GPU, TPU Applicazioni in robotica, automobili a guida autonoma Modulo 15: Futuro della Computer Vision Tendenze emergenti nella computer vision L’intelligenza artificiale e la visione artificiale nel contesto industriale Sostenibilità e implicazioni etiche nell'uso della computer vision avanzata