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.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 | |
Frontespizio-DeGrazia-firmato--2.pdf
embargo fino al 18/12/2025
Dimensione
121.4 kB
Formato
Adobe PDF
|
121.4 kB | Adobe PDF |
I documenti in UNITESI sono protetti da copyright e tutti i diritti sono riservati, salvo diversa indicazione.
https://hdl.handle.net/20.500.12075/11622