Fabio Narducci | CONTEXT AWARE SECURITY ANALYTICS IN COMPUTER VISION

cod. 0522500118

CONTEXT AWARE SECURITY ANALYTICS IN COMPUTER VISION

	0522500118
	DIPARTIMENTO DI INFORMATICA
	CORSO DI LAUREA MAGISTRALE
	INFORMATICA
	2022/2023

CURRICULUM INTERNET OF THINGS

	OBBLIGATORIO
	ANNO CORSO 1
	ANNO ORDINAMENTO 2016
	SECONDO SEMESTRE

MODULI

SSD	CFU	ORE	ATTIVITÀ	TIPO DI ATTIVITÁ FORMATIVA
INF/01	4	20	LEZIONE	CARATTERIZZANTE
INF/01	5	40	LABORATORIO	CARATTERIZZANTE

DOCENTI

	MICHELE NAPPI T Curriculum
	FABIO NARDUCCI Curriculum

	Obiettivi
	CONOSCENZA E CAPACITÀ DI COMPRENSIONE CONOSCENZA CRITICA DEI FONDAMENTI DELL' INTELLIGENZA ARTIFICIALE APPLICATA ALLA COMPUTER VISION. CAPACITÀ DI APPLICARE CONOSCENZA E COMPRENSIONE LO STUDENTE AL TERMINE DEL CORSO: •AVRÀ CONOSCENZA DEI FONDAMENTI DELLE TECNICHE COGNITIVE ARTIFICIALI APPLICATE ALLA COMPUTER VISION •SARÀ IN GRADO DI COMPRENDERE I PRINCIPI PORTANTI DELL'APPRENDIMENTO AUTOMATICO (MACHINE LEARNING) E DELL'APPRENDIMENTO APPROFONDITO (DEEP LEARNING) NEL CONTESTO DELLA VIDEO SORVEGLIANZA. •SARÀ IN GRADO DI VALUTARE CRITICAMENTE QUALE TECNICA SI ADATTA MEGLIO ALL’AMBITO APPLICATIVO DI RIFERIMENTO ; •SARÀ IN GRADO DI UTILIZZARE STRUMENTI COMPARATIVI PER MISURARE LE PRESTAZIONI DI UNA DETERMINATA TECNICA IN TERMINI DI EFFICIENZA ED EFFICACIA; •SARÀ IN GRADO DI PROGETTARE E IMPLEMENTARE AUTONOMAMENTE STRATEGIE MIGLIORATIVE A PARTIRE DA TECNICHE BASE, IN PARTICOLARE INDIVIDUANDO APPROPRIATE SOLUZIONI PROGETTUALI PER SPECIFICI SISTEMI DI VISIONE ARTIFICIALE NEL CONTESTO DELLA SICUREZZA; •SARÀ IN GRADO DI SOSTENERE CONVERSAZIONI SU TEMATICHE RELATIVE AGLI ASPETTI FONDAMENTALI DELLA DISCIPLINA FACENDO RICORSO AD UNA TERMINOLOGIA SCIENTIFICA ADEGUATA, E AGLI STRUMENTI DELLA RAPPRESENTAZIONE MATEMATICA E GRAFICA DEI PRINCIPALI FENOMENI DESCRITTI; •REALIZZERÀ PROGETTI SOFTWARE DI MEDIE DIMENSIONI IN PHYTON (ALTERNATIVAMENTE IN C O MATLAB)

CONOSCENZA E CAPACITÀ DI COMPRENSIONE

CONOSCENZA CRITICA DEI FONDAMENTI DELL' INTELLIGENZA ARTIFICIALE APPLICATA ALLA COMPUTER VISION.

CAPACITÀ DI APPLICARE CONOSCENZA E COMPRENSIONE

LO STUDENTE AL TERMINE DEL CORSO:
•AVRÀ CONOSCENZA DEI FONDAMENTI DELLE TECNICHE COGNITIVE ARTIFICIALI APPLICATE ALLA COMPUTER VISION
•SARÀ IN GRADO DI COMPRENDERE I PRINCIPI PORTANTI DELL'APPRENDIMENTO AUTOMATICO (MACHINE LEARNING) E DELL'APPRENDIMENTO APPROFONDITO (DEEP LEARNING) NEL CONTESTO DELLA VIDEO SORVEGLIANZA.
•SARÀ IN GRADO DI VALUTARE CRITICAMENTE QUALE TECNICA SI ADATTA MEGLIO ALL’AMBITO APPLICATIVO DI RIFERIMENTO ;
•SARÀ IN GRADO DI UTILIZZARE STRUMENTI COMPARATIVI PER MISURARE LE PRESTAZIONI DI UNA DETERMINATA TECNICA IN TERMINI DI EFFICIENZA ED EFFICACIA;
•SARÀ IN GRADO DI PROGETTARE E IMPLEMENTARE AUTONOMAMENTE STRATEGIE MIGLIORATIVE A PARTIRE DA TECNICHE BASE, IN PARTICOLARE INDIVIDUANDO APPROPRIATE SOLUZIONI PROGETTUALI PER SPECIFICI SISTEMI DI VISIONE ARTIFICIALE NEL CONTESTO DELLA SICUREZZA;
•SARÀ IN GRADO DI SOSTENERE CONVERSAZIONI SU TEMATICHE RELATIVE AGLI ASPETTI FONDAMENTALI DELLA DISCIPLINA FACENDO RICORSO AD UNA TERMINOLOGIA SCIENTIFICA ADEGUATA, E AGLI STRUMENTI DELLA RAPPRESENTAZIONE MATEMATICA E GRAFICA DEI PRINCIPALI FENOMENI DESCRITTI;
•REALIZZERÀ PROGETTI SOFTWARE DI MEDIE DIMENSIONI IN PHYTON (ALTERNATIVAMENTE IN C O MATLAB)

	Prerequisiti
	PER IL PROFICUO RAGGIUNGIMENTO DEGLI OBIETTIVI PREFISSATI SONO RICHIESTE LE CONOSCENZE SUI FONDAMENTI DI ANALISI MATEMATICA

	Contenuti
	1. L'INTELLIGENZA ARTIFICIALE NELLA VISIONE 6H FRONTALI + 8 LAB 2. TECNICHE FONDAMENTALI DI ELABORAZIONE DI IMMAGINI E VIDEO 6H LECTURE + 8 LAB 3. CLASSIFICAZIONE DELLE SCENE, INDIVIDUAZIONE DI OGGETTI MOBILI E TRACCIAMENTO 8 LAB 4. TECNICHE DI APPRENDIMENTO AUTOMATICO E APPROFONDITO PER L'ANALISI DI DATI VISUALI 8H LECTURE + 8 LAB 5. ANALISI DI UN SISTEMA EVOLUTO DI VIDEO SORVEGLIANZA 8 LAB

	Metodi Didattici
	L’INSEGNAMENTO PREVEDE LEZIONI FRONTALI (4 CFU) E LABORATORIO (5 CFU). DURANTE LE ESERCITAZIONI SI PROPONE ALLO STUDENTE LA RISOLUZIONE DI PROBLEMI NEL CONTESTO DELLA VISIONE ARTIFICIALE CON TECNICHE DI APPRENDIMENTO AUTOMATICO E APPROFONDITO UTILIZZANDO PHYTON, MATLAB O LINGUAGGIO C . IL METODO DI RISOLUZIONE CONSISTE NELLA COMPRENSIONE DEL PROBLEMA, NELLA PIANIFICAZIONE DELLA SOLUZIONE, E INFINE NELLA RISOLUZIONE IMPLEMENTATIVA. QUEST’ULTIMA FASE PROMUOVE L’ABITUDINE A VALUTARE LA VALIDITÀ DELLA SOLUZIONE E A VERIFICARE LA COERENZA, NONCHÉ L’EFFICACIA E L’EFFICIENZA IN UN CONTESTO COMPARATIVO.

Metodi Didattici

L’INSEGNAMENTO PREVEDE LEZIONI FRONTALI (4 CFU) E LABORATORIO (5 CFU).
DURANTE LE ESERCITAZIONI SI PROPONE ALLO STUDENTE LA RISOLUZIONE DI PROBLEMI NEL CONTESTO DELLA VISIONE ARTIFICIALE CON TECNICHE DI APPRENDIMENTO AUTOMATICO E APPROFONDITO UTILIZZANDO PHYTON, MATLAB O LINGUAGGIO C . IL METODO DI RISOLUZIONE CONSISTE NELLA COMPRENSIONE DEL PROBLEMA, NELLA PIANIFICAZIONE DELLA SOLUZIONE, E INFINE NELLA RISOLUZIONE IMPLEMENTATIVA. QUEST’ULTIMA FASE PROMUOVE L’ABITUDINE A VALUTARE LA VALIDITÀ DELLA SOLUZIONE E A VERIFICARE LA COERENZA, NONCHÉ L’EFFICACIA E L’EFFICIENZA IN UN CONTESTO COMPARATIVO.

	Verifica dell'apprendimento
	LA PROVA DI ESAME È FINALIZZATA A VALUTARE LA CAPACITÀ DELLO STUDENTE DI AVERE APPRESO I PRINCIPI FONDAMENTALI DELLA COMPUTER VISION E DELLA BIOMETRIA, AVENDO ACQUISITO LA CAPACITÀ AD INDIVIDUARE LA SOLUZIONE METODOLOGICA PIÙ APPROPRIATA AL CONTESTO APPLICATIVO DI RIFERIMENTO. IL VOTO, ESPRESSO IN TRENTESIMI CON EVENTUALE LODE, DIPENDERÀ DALLA MATURITÀ ACQUISITA SUI CONTENUTI DEL CORSO. AI FINI DELLA LODE SI TERRÀ CONTO DELLA QUALITÀ DELL’ESPOSIZIONE, IN TERMINI DI UTILIZZO DI LINGUAGGIO SCIENTIFICO APPROPRIATO, E DELL’AUTONOMIA DI GIUDIZIO DIMOSTRATA. DURANTE IL CORSO SI PROPORRÀ LO SVILUPPO DI UN PROGETTO PRATICO, DA SVOLGERE NELLE ORE DI LABORATORIO E NELLO STUDIO INDIVIDUALE A CASA, IN CUI LO STUDENTE A PARTIRE DA UNA METODOLOGIA DI IMAGING BASE, DOVRÀ PROGETTARE, IMPLEMENTARE E TESTARE IN MODALITÀ COMPARATIVA UNA SOLUZIONE INNOVATIVA APPLICATA AL CONTESTO IA APPLICATA ALLA COMPUTER VISION. IL TEST COMPARATIVO PREVEDE LA SCELTA DI UN DATABASE PUBBLICO SUI CUI È POSSIBILE MISURARE LE PRESTAZIONI IN TERMINI DI EFFICIENZA ED EFFICACIA. IL SW UTILIZZATO PER A SPERIMENTAZIONE SARÀ MATLAB O PYTON. PER ACCEDERE ALLA PROVA ORALE È NECESSARIO RAGGIUNGERE ALMENO 18. LA PROVA ORALE CONSISTERÀ IN UN COLLOQUIO IN CUI VERRANNO COLMATE LE LACUNE EVENTUALMENTE RISCONTRATE NELLA PROVA DI LABORATORIO. PER GLI STUDENTI CHE AVESSERO FORNITO UNA SOLUZIONE EFFICIENTE ED EFFICACE, VERRÀ APPROFONDITO UN ARGOMENTO RELATIVO AL PUNTO 2 DELLA SEZIONE CONTENUTI DEL CORSO.

Verifica dell'apprendimento

LA PROVA DI ESAME È FINALIZZATA A VALUTARE LA CAPACITÀ DELLO STUDENTE DI AVERE APPRESO I PRINCIPI FONDAMENTALI DELLA COMPUTER VISION E DELLA BIOMETRIA, AVENDO ACQUISITO LA CAPACITÀ AD INDIVIDUARE LA SOLUZIONE METODOLOGICA PIÙ APPROPRIATA AL CONTESTO APPLICATIVO DI RIFERIMENTO. IL VOTO, ESPRESSO IN TRENTESIMI CON EVENTUALE LODE, DIPENDERÀ DALLA MATURITÀ ACQUISITA SUI CONTENUTI DEL CORSO. AI FINI DELLA LODE SI TERRÀ CONTO DELLA QUALITÀ DELL’ESPOSIZIONE, IN TERMINI DI UTILIZZO DI LINGUAGGIO SCIENTIFICO APPROPRIATO, E DELL’AUTONOMIA DI GIUDIZIO DIMOSTRATA.
DURANTE IL CORSO SI PROPORRÀ LO SVILUPPO DI UN PROGETTO PRATICO, DA SVOLGERE NELLE ORE DI LABORATORIO E NELLO STUDIO INDIVIDUALE A CASA, IN CUI LO STUDENTE A PARTIRE DA UNA METODOLOGIA DI IMAGING BASE, DOVRÀ PROGETTARE, IMPLEMENTARE E TESTARE IN MODALITÀ COMPARATIVA UNA SOLUZIONE INNOVATIVA APPLICATA AL CONTESTO IA APPLICATA ALLA COMPUTER VISION. IL TEST COMPARATIVO PREVEDE LA SCELTA DI UN DATABASE PUBBLICO SUI CUI È POSSIBILE MISURARE LE PRESTAZIONI IN TERMINI DI EFFICIENZA ED EFFICACIA. IL SW UTILIZZATO PER A SPERIMENTAZIONE SARÀ MATLAB O PYTON.
PER ACCEDERE ALLA PROVA ORALE È NECESSARIO RAGGIUNGERE ALMENO 18.
LA PROVA ORALE CONSISTERÀ IN UN COLLOQUIO IN CUI VERRANNO COLMATE LE LACUNE EVENTUALMENTE RISCONTRATE NELLA PROVA DI LABORATORIO. PER GLI STUDENTI CHE AVESSERO FORNITO UNA SOLUZIONE EFFICIENTE ED EFFICACE, VERRÀ APPROFONDITO UN ARGOMENTO RELATIVO AL PUNTO 2 DELLA SEZIONE CONTENUTI DEL CORSO.

	Testi
	IL MATERIALE DIDATTICO, DISPENSE DEL DOCENTE, ESEMPI DI ESERCIZI SVOLTI E ULTERIORE MATERIALE DIDATTICO INTEGRATIVO, SONO DISPONIBILI ONLINE PER GLI STUDENTI SUL SITO DELL’INSEGNAMENTO. I SEGUENTI TESTI SONO NECESSARI PER LO STUDIO INDIVIDUALE: • ARTIFICIAL INTELLIGENCE: A MODERN APPROACH, GLOBAL EDITION, 3/E, STUART RUSSELL, PETER NORVIG, PEARSON ED • DIGITAL IMAGE PROCESSING, 4TH EDITION, RAFAEL C. GONZALEZ, RICHARD E. WOODS, PEARSON ED.

Testi

IL MATERIALE DIDATTICO, DISPENSE DEL DOCENTE, ESEMPI DI ESERCIZI SVOLTI E ULTERIORE MATERIALE DIDATTICO INTEGRATIVO, SONO DISPONIBILI ONLINE PER GLI STUDENTI SUL SITO DELL’INSEGNAMENTO.
I SEGUENTI TESTI SONO NECESSARI PER LO STUDIO INDIVIDUALE:

• ARTIFICIAL INTELLIGENCE: A MODERN APPROACH, GLOBAL EDITION, 3/E, STUART RUSSELL, PETER NORVIG, PEARSON ED

• DIGITAL IMAGE PROCESSING, 4TH EDITION, RAFAEL C. GONZALEZ, RICHARD E. WOODS, PEARSON ED.

	Altre Informazioni
	INDIRIZZO DI POSTA ELETTRONICA DEL DOCENTE: MNAPPI@UNISA.IT •INDIRIZZI DEL SITO WEB DEL DOCENTE: BIPLAB.UNISA.IT, WWW.UNISA.IT/DOCENTI/MICHELENAPPI/INDEX

BETA VERSION Fonte dati ESSE3 [Ultima Sincronizzazione: 2024-08-21]

Fabio Narducci | CONTEXT AWARE SECURITY ANALYTICS IN COMPUTER VISION