Riassunto analitico
La tesi è stata svolta in collaborazione con un'azienda produttrice di imballaggi, che ha progettato un modello di Deep Learning per rilevare le anomalie su di essi, utilizzando le immagini registrate dalle proprie macchine produttive. Tuttavia, tale modello non permette di classificare le anomalie. Il lavoro di tesi ha due obiettivi. Da un lato, verificare la presenza del catastrophic forgetting nei dati dell'azienda: una rete neurale è stata addestrata su dataset di immagini registrate da macchine produttive differenti, per classificare le anomalie. Si è osservato che, quando la rete viene addestrata su un nuovo dataset, tende a dimenticare come classificare correttamente le immagini degli altri dataset. Di conseguenza, sono stati studiati e implementati metodi di Continual Learning per mitigare il problema del forgetting. Dall'altro lato, il lavoro di tesi ha l'obiettivo di aggiungere un classificatore al modello dell'azienda: sono state studiate varie soluzioni, e, tramite esperimenti, è stata trovata l'architettura ottimale per il classificatore.
|
