Informazione multimediale
A.A. 2024/2025
Obiettivi formativi
Obiettivo dell'insegnamento è lo studio di come l'informazione multimediale viene acquisita, codificata ed elaborata nelle applicazioni orientate agli odierni sistemi multimediali. A tal fine vengono introdotti gli elementi generali di teoria e pratica mirati alla manipolazione del contenuto informativo multimodale fornito da audio, immagini e video, che costituisce l'essenza delle moderne forme di comunicazione.
Risultati apprendimento attesi
Ci si aspetta che lo studente acquisisca i concetti e gli strumenti basilari per comprendere e trattare il contenuto informativo veicolato da immagini, video e audio, sviluppando una chiara attitudine a:
- acquisire l'informazione multimediale fruita dai moderni sistemi multimediali, quali videocamere, TV o computer
- codificare e rappresentare i dati multimediali mediante fondamenti e tecniche della teoria dell'informazione
- elaborare i dati multimediali mediante algoritmi e linguaggi di programmazione dedicati
- acquisire l'informazione multimediale fruita dai moderni sistemi multimediali, quali videocamere, TV o computer
- codificare e rappresentare i dati multimediali mediante fondamenti e tecniche della teoria dell'informazione
- elaborare i dati multimediali mediante algoritmi e linguaggi di programmazione dedicati
Periodo: Primo semestre
Modalità di valutazione: Esame
Giudizio di valutazione: voto verbalizzato in trentesimi
Corso singolo
Questo insegnamento non può essere seguito come corso singolo. Puoi trovare gli insegnamenti disponibili consultando il catalogo corsi singoli.
Programma e organizzazione didattica
Edizione unica
Responsabile
Periodo
Primo semestre
Programma
IMMAGINI:
- Introduzione all'elaborazione delle immagini, nozione di immagine e sua acquisizione
- La luce, il colore e lo spettro elettromagnetico
- Miglioramento della qualità delle immagini mediante trasformazioni puntuali
- Filtraggio nel dominio spaziale
- Segmentazione di immagini e clusteting
- Key point detection e local descriptor
- Introduzione alla classificazione con reti convolutive
- Esempi e simulazioni in Python
VIDEO:
- Flusso ottico e tracking
- Segmentazione video tramite background subtraction
- Formati video analogici e digitali
- Problemi di classificazione e riconoscimento
- Compressione e codifica negli standard JPEG, MPEG* e H.26*
- Esempi e simulazioni in Python
AUDIO:
- La fisica del suono
- Digitalizzazione del suono
- Analisi spettrale audio
- Filtri digitali per l'audio
- Equalizzatori parametrici
- Effetti audio basati sul ritardo
- Spettrogramma Mel e MFCC
- Classificazione dell'audio con DNN
- Esempi e simulazioni in Python
- Introduzione all'elaborazione delle immagini, nozione di immagine e sua acquisizione
- La luce, il colore e lo spettro elettromagnetico
- Miglioramento della qualità delle immagini mediante trasformazioni puntuali
- Filtraggio nel dominio spaziale
- Segmentazione di immagini e clusteting
- Key point detection e local descriptor
- Introduzione alla classificazione con reti convolutive
- Esempi e simulazioni in Python
VIDEO:
- Flusso ottico e tracking
- Segmentazione video tramite background subtraction
- Formati video analogici e digitali
- Problemi di classificazione e riconoscimento
- Compressione e codifica negli standard JPEG, MPEG* e H.26*
- Esempi e simulazioni in Python
AUDIO:
- La fisica del suono
- Digitalizzazione del suono
- Analisi spettrale audio
- Filtri digitali per l'audio
- Equalizzatori parametrici
- Effetti audio basati sul ritardo
- Spettrogramma Mel e MFCC
- Classificazione dell'audio con DNN
- Esempi e simulazioni in Python
Prerequisiti
Elementi di base di elaborazione numerica dei segnali
Metodi didattici
L'insegnamento è strutturato in lezioni frontali ed esercitazioni basate su Python.
Materiale di riferimento
I lucidi delle lezioni, i libri di testo suggeriti e le esercitazioni in Python sono disponibili sul sito Ariel http://ggrossiim.ariel.ctu.unimi.it/v5/home/Default.aspx e sulla pagina personale dell'insegnamento http://im.di.unimi.it.
Modalità di verifica dell’apprendimento e criteri di valutazione
L'esame consiste di due parti:
1. una prova scritta con domande aperte su tutti gli argomenti affrontati a lezione (pesa per il 75% del voto finale)
2. una prova pratica di programmazione Python (pesa per il 25% del voto finale)
Sono previste anche due prove in itinere: la prima a metà insegnamento e la seconda a fine insegnamento, entrambe con modalità analoghe alle prove d'appello (scritto più prova pratica)
1. una prova scritta con domande aperte su tutti gli argomenti affrontati a lezione (pesa per il 75% del voto finale)
2. una prova pratica di programmazione Python (pesa per il 25% del voto finale)
Sono previste anche due prove in itinere: la prima a metà insegnamento e la seconda a fine insegnamento, entrambe con modalità analoghe alle prove d'appello (scritto più prova pratica)
Moduli o unità didattiche
Elementi di Elaborazione Audio e Video
INF/01 - INFORMATICA - CFU: 6
Lezioni: 48 ore
Docenti:
Grossi Giuliano, Lanzarotti Raffaella
Turni:
Elementi di Elaborazione Immagini
INF/01 - INFORMATICA - CFU: 6
Lezioni: 48 ore
Docente:
Lanzarotti Raffaella
Turni:
Turno
Docente:
Lanzarotti RaffaellaDocente/i
Ricevimento:
Su appuntamento (da prendere per email)
Stanza 4016, 4° piano di via Celoria 18