Riassunto analitico
Questa tesi propone una rassegna sullo stato dell’arte dei modelli di
Deep Learning con particolare enfasi su algoritmi e architetture di tipo non supervisionato. Dopo una breve introduzione storica sulle reti neurali, viene dettagliato lo stato dell’arte riguardo le tipologie ad oggi più diffuse di auto-encoder. Il case study presentato riguarda la possibilità di apprendere in modo non supervisionato da una grande mole di video acquisiti con una telecamera statica, una rappresentazione nella quale le componenti statiche (background) sono automaticamente separate da quelle dinamiche (gli elementi che si muovono all’interno della scena). Dopo aver presentato l'architettura sviluppata, verranno presentati i risultati del lavoro svolto, con una riflessione sui vantaggi e svantaggi dell’approccio utilizzato e con un confronto con le tecniche tradizionali e più recenti.
|
