Alla base di molti sistemi di riconoscimento, intelligenza e percezione
artificiale si trovano potenti algoritmi di apprendimento automatico i
cui approcci possono essere classificati sommariamente in due paradigmi
distinti: i modelli generativi ed i metodi discriminativi.
Nell'approccio generativo, le osservazioni empiriche vengono “spiegate”
mediante un modello che descrive probabilisticamente le interazioni tra
le variabili in gioco. I metodi discriminativi, invece, affrontano
direttamente il problema di trovare i criteri che permettono di
raggruppare ottimamente le osservazioni empiriche. In questo progetto,
verranno messi a confronto i due paradigmi nel contesto della
risoluzione dei problemi di classificazione e clustering, facendo
particolare attenzione ai punti di contatto, e quindi di integrazione
dei 2 approcci, resi possibili da nuove metodologie e nuove applicazioni
dell'approccio generativo. Tali metodi saranno quindi testati su
applicazioni di vario tipo quali il riconoscimento di oggetti (forme,
volti), analisi di video sequenze per problematiche di videosorveglianza
(per es., analisi di comportamenti anomali), e l'estrazione di
informazione a super-risoluzione da sequenze video di bassa qualità
