Meta-optimization of Bio-inspired Techniques for Object Recognition

Il riconoscimento di oggetti consiste nel trovare automaticamente un oggetto all'interno di un'immagine o in una sequenza video. Questo compito ਠmolto importante in molti campi quali diagnosi mediche, assistenza di guida avanzata, visione artificiale, sorveglianza, realtà  aumentata. Tuttavia, questo compito puಠessere molto impegnativo a causa di artefatti (dovuti al sistema di acquisizione, all'ambiente o ad altri effetti ottici quali prospettiva, variazioni di illuminazione, etc.) che possono influenzare l'aspetto anche di oggetti facili da identificare e ben definiti . Una possibile tecnica per il riconoscimento di oggetti consiste nell'utilizzare approcci basati su modello: in questo scenario viene creato un modello che rappresenta le proprietà  dell'oggetto da individuare; poi, vengono generate possibili ipotesi sul posizionamento dell'oggetto, e il modello viene trasformato di conseguenza, fino a trovare la migliore corrispondenza con l'aspetto reale dell'oggetto. Per generare queste ipotesi in maniera intelligente, ਠnecessario un buon algoritmo di ottimizzazione. Gli algoritmi di tipo bio-ispirati sono metodi di ottimizzazione che si basano su proprietà  osservate in natura (quali cooperazione, evoluzione, socialità ). La loro efficacia ਠstata dimostrata in molte attività  di ottimizzazione, soprattutto in problemi di difficile soluzione, multi-modali e multi-dimensionali quali, per l'appunto, il riconoscimento di oggetti. Anche se queste euristiche sono generalmente efficaci, esse dipendono da molti parametri che influenzano profondamente le loro prestazioni; pertanto, ਠspesso richiesto uno sforzo significativo per capire come farle esprimere al massimo delle loro potenzialità . Questa tesi descrive un metodo per (i) individuare automaticamente buoni parametri per tecniche bio-ispirate, sia per un problema specifico che pi๠di uno alla volta, e (ii) acquisire maggior conoscenza sul ruolo di un parametro in questi algoritmi. Inoltre, viene mostrato come le tecniche bio-ispirate possono essere applicate con successo in diversi ambiti nel riconoscimento di oggetti, e come ਠpossibile migliorare ulteriormente le loro prestazioni mediante il tuning automatico dei loro parametri.