| KEYWORD |
Image Processing Lab (IPL)
IDENTIFICAZIONE E CLASSIFICAZIONE CON SENSORI MULTISPETTRALI
Parole chiave COMPRESSIONE, COMPUTER VISION, DEEP LEARNING
Riferimenti ENRICO MAGLI, DIEGO VALSESIA
Gruppi di ricerca ICT4SS - ICT FOR SMART SOCIETIES, Image Processing Lab (IPL)
Tipo tesi RESEARCH
Descrizione MBDA ITALIA
MBDA Italia S.p.A è un’azienda di rilievo nell’ambito della cooperazione europea in materia di difesa. MBDA Italia ha un importante background nello sviluppo di sistemi complessi, che comprende l’hardware e il software ad alta affidabilità per la realizzazione di sistemi missilistici, applicazioni spaziali e sistemi subacquei. MBDA Italia si avvale del proprio reparto Sparkworks, situato a La Spezia, dotato dei LAMBDA Laboratories, dove l’azienda conduce attività di ricerca tecnologica in numerosi ambiti, tra cui: sistemi di monitoraggio, material science, data science, intelligenza artificiale e image processing ecc.
PROGETTO
Negli ultimi anni è diventata di sempre maggiore rilevanza la capacità di identificare e classificare gli oggetti attraverso tecniche di Computer Vision basate sull’impiego di sensori di differente natura (ottici, IR, radar per citarne alcuni). Inoltre, per rendere più accurate e precise le identificazioni, è di fondamentale importanza riuscire a unificare i dati raccolti da molteplici sensori effettuando la data fusion delle informazioni memorizzate da ciascuno di essi. Pertanto, l’obiettivo della tesi consiste nello sviluppo di algoritmi che, attraverso l’utilizzo di tecniche di Intelligenza Artificiale e di Image Processing, siano in grado di identificare e classificare gli oggetti presenti in immagini o video che siano stati acquisiti mediante l’impiego di sensori multispettrali, senza peraltro dimenticare di implementare opportune tecniche di data fusion necessarie a fondere i dati forniti dai diversi sensori in gioco. Dovranno dunque essere sviluppati gli opportuni algoritmi di deep learning, identificati e\o costruiti gli opportuni dataset e identificati i migliori benchmark per la valutazione delle performance.
La tesi si potrà svolgere in smart woerking con meeting periodici presso la società. E' previsto un rimborso spese complessivo di 500 euro.
Conoscenze richieste Basic deep learning skills, including Python and usage of Pytorch or Tensorflow.
Scadenza validita proposta 10/06/2025
PROPONI LA TUA CANDIDATURA