Studente PAOLINI, DAVIDE
Facoltà/Dipartimento Dipartimento Ingegneria dell'Informazione
Corso di studio INGEGNERIA INFORMATICA E DELL'AUTOMAZIONE
Anno Accademico 2020
Data dell'esame finale 2021-10-28
Titolo italiano Valutazione e ottimizzazione di reti neurali profonde per il riconoscimento di scene di violenza nei video basate su transfer learning
Titolo inglese Evaluation and optimization of deep learning neural networks for violence detection in videos based on transfer learning
Abstract in italiano Il crescente fenomeno di diffusione della violenza nella nostra società rende sempre più importante il problema della “violence detection”. Al momento le telecamere di sorveglianza sono lo strumento principalmente usato al fine di contrastare tale fenomeno, ma il loro monitoraggio è affidato ad operatori umani, i quali potrebbero non essere presenti o attenti nel momento in cui viene compiuto l’atto violento, inoltre non è possibile per una persona visionare l’enorme quantità di filmati che vengono prodotti quotidianamente. Per questo motivo si stanno sviluppando dei sistemi di intelligenza artificiale in grado di rilevare automaticamente la presenza di scene violente nei filmati. In questo lavoro di tesi vengono valutati diversi modelli di deep learning ottenuti con la tecnica del transfer learning al fine di verificare quale livello di prestazioni è possibile raggiungere nel campo della violence detection sfruttando tale tecnica e delle reti sviluppate e addestrate per risolvere problemi di diversa tipologia.
Relatore DRAGONI, ALDO FRANCO
Controrelatore SERNANI, PAOLO
Appare nelle tipologie: Laurea triennale, diploma universitario
File in questo prodotto:
File Descrizione Dimensione Formato  
Frontespizio Firmato.pdf   fino a2024-10-27 Frontespizio firmato da relatore, correlatore e studente 261.86 kB Adobe PDF
Tesi.pdf   fino a2024-10-27 Versione definitiva della tesi 5.08 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: http://hdl.handle.net/20.500.12075/1305