Progetti d'esame

Per superare l'esame è previsto lo sviluppo di un progetto da parte di al più due studenti. Un elenco di progetti plausibili (per complessità e tempo di realizzazione) è offerto di seguito. È tuttavia possibile proporre autonomamente progetti purché abbiano le caratteristiche sommarie di quelli qui elencati. I requisiti generali per la realizzazione di un buon progetto sono:
  1. Report: redazione di un report sintetico su problema affrontato e strategie implmentative adottate
  2. Codifica: la scrittura di un codice chiaro e ben documentato
  3. Test: una fase di test in cui si mostra la correttezza del codice su istanze benchmark significative
  4. Profiling: analisi delle prestazioni (speedup e profiling in genere) ricavate dall'algoritmo parallelo rispetto a quello sequenziale
Sparse representation
  • Implementazione degli algoritmi k-limaps e limaps, simulazione su dati sintetici (limaps.pdf, klimaps.pdf)
  • Algoritmo R-SVD per il learning di dizionari usati in sparse representation (RSVD.pdf)
  • Sviluppo di un algoritmo basato sulla decomposizione sparsa per il problema face recognition ( main_ijprai.pdf)
Linear algebra
  • Decomposizione ai valori singolari o SVD (Singular Value Decomposition) per la fattorizzazione di una matrice basata sull'uso di autovalori e autovettori (SVD)
  • Calcolo della matrice psuedo-inversa di Moore-Penrose per il problema dei minimi quadrati (Fast_Computation_Moore-Penrose)
Data analysis
  • Implementazione dell tecnica PCA (Principal Component Analysis) per la riduzione della dimensionalità dei dati (PCA-Tutorial)
  • algoritmi per clustering k-means like (parallel_clustering_survey)
Image e video processing
  • Filtri su immagini come Gabor e Sobel (gabor.pdf)
  • Histograms of Oriented Gradient (HOG) (hog.pdf)
  • Multi-scale Local Binary Patterns (mslbp.pdf)
  • Co-occurrence histograms of oriented gradients (CoHOG.pdf)
  • Gabor Filters as Texture Discriminator (gabor.pdf)
  • Scale-invariant feature transform (sift.pdf)
  • Algoritmo Viola-Jones per face detection nei video su scheda Jatson Tegra TK1 ( Jetson-TK1)
Bioinformatics
  • Parallelizzazione ed implementazione GPU di algoritmi semisupervisionati per l'analisi di grafi (Label_Propagation)
  • Analisi di proprietà di reti biologiche (reti_bio.pdf)
Cryptography
Algoritmi per problemi su grafi
  • Minimum spanning tree, Shortest path, coloring, etc. (survey, library)
Affective computing
  • Algoritmi per lo studio di esperessioni facciali, stati emozionali negli individui
  • Simulazione del segnale elettromiografico mediante uso di landmark da videosequenze (iciap-virtual-emg.pdf)
EveryWare Technologies
All’interno del laboratorio EveryWare Technologies si svolge ricerca sulle tecnologie assistive per persone con disabilità visive
  • Calcolo dei segmenti mediante algoritmo EDLines per il riconoscimento delle strisce pedonali (EDLines)
  • Estrazione dei contorni all’interno di immagini binarie. Al momento viene utilizzata la funzione FindContours di OpenCV. Questo calcolo è adottato nel riconoscimento di semafori pedonali.
  • Classificazione di un’immagine di test che rappresenta un semaforo con immagini di training che hanno il semaforo come soggetto.

Proposte di tesi

Argomento Descrizione Riferimenti
Video-codec
  • Implementazione CUDA dell'encoder VP9 E VP10 di Google (quelli usati da youtube) per la compressione del flusso video
WebM (an open, royalty-free, media file format designed for the web)
Bioinformatics
  • Estensione dell'algoritmo COSNET al caso multi-categorie
  • Uso di algoritmi genetici per la predizione della funzione genica
Paper: COSNET
Deep learning
  • Riconoscimento semafori pedonali per applicazioni assistive
  • Applicazione al riconoscimento del parlato basato unicamente su video-labiale (lip reading)
Survey: Learning Deep Architectures for AI
Graph coloring
  • Algoritmi paralleli per la colorazione di grafi con tecniche Monte Carlo Markov Chain
Survey: A Comparison of Parallel Graph Coloring Algorithms
Affective computing
  • Algoritmi paralleli per il riconoscimento/generazione di stati affettivi ripresi da video o da segnali fisiologici
  • Algoritmi paralleli per sistemi multimodali (video + speech) per il riconoscimento di emozioni
Papers: Survey on speech emotion recognition: Features, classification schemes, and databases