Diego GRAGNANIELLO | Progetti

L'enorme diffusione di dispositivi IoT ha fatto in modo che questi diventassero velocemente oggetto di attacchi informatici. Il rilevamento di sistemi infetti e di comportamenti anomali in un contesto IoT risulta essere più complesso in quanto la maggior parte dei dispositivi non ha sufficienti risorse computazionali per consentire una analisi sul dispositivo, ma è necessario analizzarne il compor

- Progettazione ed implementazione di modelli di deep learning per l'identificazione di veicoli e pedoni- Progettazione ed implementazione di modelli di deep learning per l'identificazione della segnaletica orizzontale e verticale- Progettazione ed implementazione di modelli di deep learning multi-modali operanti su dati acquisiti da sensori differenti quali videocamera, ultrasuoni, radar, lidar

- Realizzazione di algoritmi e reti neurali per il rilevamento precoce di incendi- Realizzazione di algoritmi e reti neurali per il rilevamento di sversamenti illegali di rifiuti- Realizzazione di algoritmi e reti neurali per il rilevamento di allagamenti e disastri ambientali- Realizzazione di algoritmi e reti neurali per l'analisi in tempo reale delle condizioni meteorologiche- Realizzazione

La ricerca è finalizzata alla realizzazione di reti neurali profonde che operano su dati rappresentati tramite grafi. Questa rappresentazione è ampiamente utilizzata in molti ambiti applicativi in cui è fondamentale analizzare sia gli oggetti del dominio analizzato che le loro interazioni. Tra questi settori quello della biologia è sicuramente uno dei più rappresentativi, dato il massiccio utilizz

- Realizzazione di reti neurali per il riconoscimento di pedoni e veicoli- Realizzazione di reti neurali per il riconoscimento della segnaletica orizzontale e verticale- Realizzazione di reti neurali per il riconoscimento degli oggetti in 3D (telecamera + LIDAR)- Realizzazione di algoritmi di tracking per la predizione delle traiettorie di pedoni e veicoli- Ottimizzazione delle suddette reti n