Sviluppo ed ottimizzazione di algoritmi per super-risoluzione ed object detection mediante deep neural network

Con il progredire delle tecniche di machine learning e deep learning sono stati sviluppati numerosi algoritmi per la costruzione di reti neurali atte a svolgere i più svariati scopi. La super-risoluzione sta ottenendo risultati molto promettenti proprio attraverso l'applicazione di questi metodi. In questo lavoro è proposto un nuovo framework di sviluppo di reti neurali in C++ (Byron, Build YouR Own Neural Network) con particolare attenzione all'implementazione di architetture a super-risoluzione ed object detection. Il software sviluppato è interamente parallelizzato su architetture a CPU andando a massimizzarne l'efficienza di calcolo su strutture a server con elevato numero di core. Questa caratteristica lo pone come un nuovo framework di sviluppo applicabile anche a settori di ricerca finora lasciati fuori dal mondo del deep learning poichè privi di acceleratori GPU, come quello della bioinformatica e della fisica bio-medica. Le performance di calcolo di Byron sono state testate e confrontate con le più comuni librerie ottenendo performance superiori nel campo dell'object detection e risultati comparabili nel campo della super-risoluzione.