| KEYWORD |
Implementazione di un sistema di riconoscimento dell'attenzione dell'utente basato su reti neurali convoluzionali in Android
Parole chiave ANDROID, EFFICIENZA ENERGETICA, RETI NEURALI ARTIFICIALI
Riferimenti DANIELE JAHIER PAGLIARI, MASSIMO PONCINO
Tipo tesi IMPLEMENTATIVA, RICERCA
Descrizione Fin dalla loro introduzione, gli smartphone stanno diventando sempre piu' potenti e avnzati. Ciò ha però un impatto significativo sui tempi di autonomia. Attualmente, il "power management" sugli smartphone è basato principalmente su semplici tecniche statiche (quali timeout) che non tengono conto del contesto di utilizzo, tranne per alcune casistiche base (come spegnere lo schermo quando il dispositivo si trova in tasca).
Potenzialmente, il grande numero di sensori presenti su uno smartphone moderno consente l'implementazione di tecniche molto più avanzate di gestione dei consumi basate sul contesto di utilizzo.
L'obiettivo di questa tesi è quello di valutare l'implementabilità di una di queste tecniche avanzate in ambiente Android. Nello specifico, la tecnica è basata su un classificatore "deep", in grado di determinare se il dispositivo è in uso o meno usando le letture di una serie di sensori a basso consumo, e di conseguenza effettuare azioni per la riduzione dei consumi (come spegnere lo schermo o cambiare il "Doze state").
Una prima versione del classificatore è già stata sviluppata e testata in Python (PyTorch) durante un progetto precedente, utilizzando dati raccolti da diversi smartphone. Di conseguenza, la prima parte della tesi sarà più implementativa, e si concentrerà sul porting di questo classificatore su un servizio Android eseguito sul dispositivo stesso, e sulla valutazione dell'impatto in termini di tempo di esecuzione e consumo di potenza.
Successivamente, lo studente lavorerà sul miglioramento del classificatore, sia in termini di miglioramento dell' accuratezza sia di riduzione della complessità computazionale. Questa seconda parte della tesi sarà quindi più di ricerca e potrebbe portare ad una pubblicazione scientifica.
Conoscenze richieste I candidati devono avere buone abilità di programmazione ed essere interessati al machine/deep learning ed alle sue applicazioni.
Avere esperienza con Android e/o Python oppure avere già delle nozioni base di machine/deep learning è sicuramente preferibile ma non necessario.
Scadenza validita proposta 24/10/2020
PROPONI LA TUA CANDIDATURA