Università di Bologna — Cesena · Prof.ssa Annalisa Franco e Prof. Matteo Ferrara · A.A. 2025/2026

Visione Artificiale e Riconoscimento

15 capitoli56 widget interattivi65 tavole~11 ore di studio
Percorso del corso: fondamenti di acquisizione e immagini, feature hand-crafted, feature locali e localizzazione, deep learning e infine video e progetto
Tavola 00 — Il percorso del corso. I fondamenti (acquisizione e immagini digitali, segmentazione), le feature hand-crafted (colore, tessitura, forma, CBIR), le feature locali con allineamento e localizzazione (trasformazioni 2D, keypoint, bag of words, template matching, Visual SLAM), il deep learning (classificazione, detection, segmentazione semantica) e infine il video (Video Content Analysis) con il progetto d'esame.

Come studiare

I

Fondamenti: acquisizione e immagini

  1. 01Visione artificiale, pattern recognition e sistemi di acquisizione35 min · 4 widget
  2. 02Immagini digitali, colore e filtraggio45 min · 5 widget
  3. 03Segmentazione: soglie, colore, morfologia e clustering35 min · 5 widget
Tavola: la pipeline di acquisizione da scena a immagine digitale
Tav. I — Dalla scena ai pixel
II

Feature hand-crafted

  1. 04Feature di colore e di tessitura45 min · 5 widget
  2. 05Feature di forma e sistemi CBIR40 min · 4 widget
Tavola: estrazione di un vettore di feature da una regione dell'immagine
Tav. II — Dalla regione alle feature
III

Feature locali: allineamento e localizzazione

  1. 06Trasformazioni 2D e image stitching35 min · 3 widget
  2. 07Keypoint e descrittori locali55 min · 4 widget
  3. 08Bag of Words30 min · 2 widget
  4. 09Template matching45 min · 3 widget
  5. 10Visual SLAM45 min · 3 widget
Tavola: corrispondenze tra keypoint in due viste
Tav. III — Corrispondenze tra viste
IV

Localizzazione e deep learning

  1. 11Deep learning: classificazione di immagini55 min · 4 widget
  2. 12Deep learning: object detection50 min · 3 widget
  3. 13Deep learning: semantic segmentation40 min · 3 widget
Tavola: blocco di una rete convoluzionale da input a output
Tav. IV — Il blocco convoluzionale
V

Video e progetto

  1. 14Video Content Analysis: movimento, tracking e azioni55 min · 5 widget
  2. 15Il progetto di V&R: metodologia, relazione ed esame30 min · 3 widget
Tavola: da una sequenza di frame al riconoscimento dell'azione
Tav. V — Dal movimento all'azione