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