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:
- Report: redazione di un report sintetico
su problema affrontato e strategie implmentative adottate
- Codifica: la scrittura di un codice
chiaro e ben documentato
- Test: una fase di test in cui si mostra
la correttezza del codice su istanze benchmark significative
- Profiling: analisi delle prestazioni
(speedup e profiling in genere) ricavate dall'algoritmo parallelo
rispetto a quello sequenziale
I temi proposti di seguito sono puramente indicativi e toccano solo in mimima parte le tematiche
che potenzialmente possono offrire spunti di parallelizzazione di algoritmi core. Oltre a questi
temi generali si elencano nelle slide di seguito alcuni specifici di interesse per le attività di
ricerca presso il Phuselab.
- 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
-
- Image e video processing
-
- Filtri su immagini (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)
- Graph coloring
-
- 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