Gli algoritmi di Intelligenza Artificiale stanno rivoluzionando notevolmente non solo il mondo del lavoro, grazie al loro impiego in ambiti specifici di alto livello, ma anche e soprattutto la vita quotidiana delle persone, rendendola più semplice e comoda grazie a varie applicazioni di ogni tipologia. Lo scopo di questa tesi è quello di sviluppare appunto un algoritmo di Deep Learning che sia in grado di riconoscere, tramite l’acquisizione di immagini in tempo reale, se si sta svolgendo una determinata azione della routine quotidiana di una persona, indicando quale. Tale risultato è possibile grazie all’impiego delle reti neurali, che vengono addestrate a partire da un set di dati. Nella tesi viene anche mostrato come il modello può essere facilmente applicato al riconoscimento di altre azioni, estendendo il raggio di utilizzo.

Sviluppo di un software basato su una rete neurale artificiale per il riconoscimento di azioni della vita quotidiana

DE GRAZIA, DAVIDE
2021/2022

Abstract

Gli algoritmi di Intelligenza Artificiale stanno rivoluzionando notevolmente non solo il mondo del lavoro, grazie al loro impiego in ambiti specifici di alto livello, ma anche e soprattutto la vita quotidiana delle persone, rendendola più semplice e comoda grazie a varie applicazioni di ogni tipologia. Lo scopo di questa tesi è quello di sviluppare appunto un algoritmo di Deep Learning che sia in grado di riconoscere, tramite l’acquisizione di immagini in tempo reale, se si sta svolgendo una determinata azione della routine quotidiana di una persona, indicando quale. Tale risultato è possibile grazie all’impiego delle reti neurali, che vengono addestrate a partire da un set di dati. Nella tesi viene anche mostrato come il modello può essere facilmente applicato al riconoscimento di altre azioni, estendendo il raggio di utilizzo.
2021
2022-12-19
Development of an Artificial Neural Network-Based Software for Detecting Daily Life Actions
File in questo prodotto:
File Dimensione Formato  
Tesi-definitiva-2.pdf

embargo fino al 18/12/2025

Dimensione 15.65 MB
Formato Adobe PDF
15.65 MB Adobe PDF

I documenti in UNITESI sono protetti da copyright e tutti i diritti sono riservati, salvo diversa indicazione.

Utilizza questo identificativo per citare o creare un link a questo documento: https://hdl.handle.net/20.500.12075/11622