Sperimentazione e valutazione di approcci di training Distributed Data Parallel (DDP) applicati a vari task.
In collaborazione con TIM Jol Wave: Identificazione tipologia rifiuti per controllo sulla raccolta differenziata mediante computer vision e IoT. Gli aspetti sfidanti riguardano il raggiungimento di alte prestazioni in real-time con dispositivi dalle risorse limitate.
In collaborazione con TIM Jol Wave: Identificare l'azione di abbandono illecito di rifiuti mediante Computer Vision e action recognition in ambienti outdoor.
Usare l’AI per distinguere tra le tre classi di gatti (WC=selvatico, DC=domestico, HY=ibrido).
Usare AI per identificare e distinguere i diversi esemplari. L'elemento sfidante è la scarsità di dati di buona qualità, pertanto dovranno essere sfruttate tecniche specifiche per il learning con pochi esempi.
Si propone di esaminare dettagliatamente la libreria DeepLabCut, concentrando l’attenzione sull’estrazione di caratteristiche di gatti all’interno del dataset che verrà fornito.
Usare AI per estrarre le misure biometriche dei gatti.
La tesi ha lo scopo di effettuare un'analisi comparativa dei principali tool di programmazione in ambito AML.
La tesi ha lo scopo di sfruttare algoritmi di AI per violare un sistema di riconoscimento facciale, per poi analizzarne i rischi di vulnerabilita' ed eventuali contromisure.
Creazione di algoritmi di deepfake detection in contesti multimodali: immagini con semantica differente; analisi di video con audio; analisi di immagini, video e audio
Creazione di algoritmi per (a) definire la specifica istanza (modello) che ha generato il dato sintetico (b) stima dei parametri del modello utilizzato per la creazione
Creazione di algoritmi di Medical Imaging che fanno uso di input testuale. L'obiettivo finale è classificare immagini mediche sfruttando materiale testuale quali le diagnosi dei medici generate durante l'acquisizione delle immagini.
Creazione di algoritmi di Medical Imaging basati su Deep Neural Network che eseguono la segmentazione e l'estrazione dei vasi sanguigni dalle immagini della retina.
Creazione di algoritmi di Computer Vision in grado di estrapolare la maschera di segmentazione relativa alle rughe facciali
In collaboration with ST MicroElectronics. This experimental study investigates the effectiveness of a Deeply Quantized Transformer for vocal command classification on tiny devices. The goal of this work is to propose a Transformer architecture designed and quantized to achieve high accuracy while minimizing the computational and memory requirements of the device.
In collaboration with ST MicroElectronics. This study is focused on developing a spoken language understanding (SLU) system Transformer based optimized for efficiency and performance, that can potentially be deployed on small devices with limited computational resources. This work presents a promising direction for SLU research with practical implications for real-world applications.
Studio di keystroke acoustic attack attraverso metodi di deep learning con interfaccia per dispositivi mobili