Sperimentazione di tecniche di Deep Learning per l'Object Detection

Il lavoro svolto in questa tesi ruota intorno alla sperimentazione di tecniche di Deep Learning per l'Object Detection, ovvero la costruzione di un Object Detector a la YOLO partendo da zero testando per ogni parte della costruzione più alternative possibili per verificarne la praticità e correttezza, estrapolando per le varie fasi le soluzioni migliori, sia dal punto di vista funzionale sia per quanto riguarda la semplicità. In questa tesi è stato creato un Object Detector sfruttando MobileNet (una Convolutional Neural Network molto veloce) associata ad un algoritmo in stile YOLO (principalmente YOLOv2) e allenata sul dataset COCO (Common Objects in COntext). Le prove effettuate spaziano in tutti i campi, dalla scelta di usare un modello pre-allenato su un altro dataset alla decisione di alcuni parametri da usare come threshold in fase di post-processing. All'interno della tesi verranno spiegati brevemente i temi principali toccati dall'argomento e tutte le prove svolte, spiegando quali di ognuna di queste sia risultata migliore.