Rontauroli, Matteo
 
(2017)
Analisi e utilizzo di feature convolutive in ambito di Face Detection.
[Laurea], Università di Bologna, Corso di Studio in 
Informatica [L-DM270], Documento ad accesso riservato.
  
 
  
  
        
        
	
  
  
  
  
  
  
  
    
  
    
      Documenti full-text disponibili:
      
        
          
            | ![[thumbnail of Thesis]](https://amslaurea.unibo.it/style/images/fileicons/application_pdf.png) | Documento PDF (Thesis) Full-text accessibile solo agli utenti istituzionali dell'Ateneo
 Disponibile con Licenza: Salvo eventuali più ampie autorizzazioni dell'autore, la tesi può essere liberamente consultata e può essere effettuato il salvataggio e la stampa di una copia per fini strettamente personali di studio, di ricerca e di insegnamento, con espresso divieto di qualunque utilizzo direttamente o indirettamente commerciale. Ogni altro diritto sul materiale è riservato
 Download (1MB)
              
              
                | Contatta l'autore
 | 
        
      
    
  
  
    
      Abstract
      Nell’ultimo periodo grazie alle tecniche di Deep Learning sono stati ottenuti grandi risultati in molti campi: tra questi vi è quello della Face Detection. Nonostante gli ottimi risultati riscontrati anche in quest’ultimo, però, rimane ancora non chiaro quali caratteristiche effettivamente determinino il riconoscimento di una faccia. Negli ultimi anni molti lavori hanno approfondito queste problematiche. In questa tesi viene proposta una metodologia di Face Detection che utilizza un approccio non discriminativo, con l’utilizzo di soli esempi positivi di facce, attraverso l’ausilio di una rete neurale convoluzionale. Vengono quindi condotti una serie di esperimenti volti all’analisi di alcuni degli aspetti che determinano il riconoscimento.
     
    
      Abstract
      Nell’ultimo periodo grazie alle tecniche di Deep Learning sono stati ottenuti grandi risultati in molti campi: tra questi vi è quello della Face Detection. Nonostante gli ottimi risultati riscontrati anche in quest’ultimo, però, rimane ancora non chiaro quali caratteristiche effettivamente determinino il riconoscimento di una faccia. Negli ultimi anni molti lavori hanno approfondito queste problematiche. In questa tesi viene proposta una metodologia di Face Detection che utilizza un approccio non discriminativo, con l’utilizzo di soli esempi positivi di facce, attraverso l’ausilio di una rete neurale convoluzionale. Vengono quindi condotti una serie di esperimenti volti all’analisi di alcuni degli aspetti che determinano il riconoscimento.
     
  
  
    
    
      Tipologia del documento
      Tesi di laurea
(Laurea)
      
      
      
      
        
      
        
          Autore della tesi
          Rontauroli, Matteo
          
        
      
        
          Relatore della tesi
          
          
        
      
        
      
        
          Scuola
          
          
        
      
        
          Corso di studio
          
          
        
      
        
      
        
      
        
          Ordinamento Cds
          DM270
          
        
      
        
          Parole chiave
          deep learning,face detection
          
        
      
        
          Data di discussione della Tesi
          12 Luglio 2017
          
        
      
      URI
      
      
     
   
  
    Altri metadati
    
      Tipologia del documento
      Tesi di laurea
(NON SPECIFICATO)
      
      
      
      
        
      
        
          Autore della tesi
          Rontauroli, Matteo
          
        
      
        
          Relatore della tesi
          
          
        
      
        
      
        
          Scuola
          
          
        
      
        
          Corso di studio
          
          
        
      
        
      
        
      
        
          Ordinamento Cds
          DM270
          
        
      
        
          Parole chiave
          deep learning,face detection
          
        
      
        
          Data di discussione della Tesi
          12 Luglio 2017
          
        
      
      URI
      
      
     
   
  
  
  
  
  
    
    Statistica sui download
    
    
  
  
    
      Gestione del documento: 
      
        