Share Art: Reti neurali convoluzionali in ambito museale

E' stato affrontato lo studio di un'algoritmo per l'addestramento di reti neurali sul riconoscimento di genere sul supercalcolatore ENEA-CRESCO, al fine di poter essere sfruttato per il progetto Share Art, un programma ENEA. Share Art consiste in un dispositivo che permette, attraverso una telecamera ad infrarossi, di rilevare automaticamente i volti che guardano in direzione della telecamera, acquisendo contestualmente una serie di informazioni relative all’osservazione delle opere d’arte, come ad esempio il tempo di permanenza, la distanza, il percorso compiuto. L'addestramento di una rete neurale su un'architettura diversa dalla nostra, quale è CRESCO, ha previsto una mirata predisposizione dell'ambiente di sviluppo, così da isolare le componenti necessarie utilizzate dall'algoritmo. Procedura fondamentale è stata quindi quella di pacchettizzare in un container il tutto, renderlo accessibile all'applicazione, e poter utilizzare ciò che l'applicazione necessitava per essere eseguita senza i permessi di amministratore di sistema. Verranno mostrati i passi che sono stati seguiti per la creazione dell'ambiente di sviluppo, del container Docker e della predisposizione delle dipendenze necessarie, come ad esempio le librerie Tensorflow e Keras. Alla base del sistema Share Art le telecamere generano un flusso di dati che è l'input dell'analisi che viene eseguita direttamente sul Raspberry per verificare ad esempio il corretto utilizzo della mascherina e il rispetto del distanziamento sociale. I dispositivi Share Art installati presso il museo, generano quindi dati importanti della ricerca in ambito museale. Sarà quindi affrontato il tema della gestione dei dati e del loro trasferimento riformulando un programma che apporti scalabilità ad un sistema già esistente. Si è scelto di utilizzare un protocollo standard dell'IoT, MQTT, il tutto supportato da un linguaggio sviluppato presso l'Università di Bologna, Jolie.