The aim of this thesis is to develop a supervised classifier for object recognition in dynamic environments. In the field of image recognition, the aim is to recognise objects in a dynamic environment and then determine that they reflect the required attributes within the defined location. This will be achieved by implementing an image recognition engine consisting of two models, feature selection and image similarity.

Lo scopo del progetto di tesi è quello di sviluppare un Classificatore supervisionato per il riconoscimento di oggetti in ambienti dinamici. Nell'ambito dell'immage recognition si vuole riconoscere gli oggetti all’interno di un ambiente dinamico per poi determinare che esso rispecchi gli attributi richiesti all’interno della posizione definita. Tale obiettivo è raggiungibile attraverso la realizzazione di un motore di image recognition costituito da due modelli, rispettivamente di feature selection e image similarity.

Object Recognition in Dynamic environments for Billboard detection and Campaign validation

GRIMALDI, ALBERTO
2022/2023

Abstract

The aim of this thesis is to develop a supervised classifier for object recognition in dynamic environments. In the field of image recognition, the aim is to recognise objects in a dynamic environment and then determine that they reflect the required attributes within the defined location. This will be achieved by implementing an image recognition engine consisting of two models, feature selection and image similarity.
2022
Object Recognition in Dynamic environments for Billboard detection and Campaign validation
Lo scopo del progetto di tesi è quello di sviluppare un Classificatore supervisionato per il riconoscimento di oggetti in ambienti dinamici. Nell'ambito dell'immage recognition si vuole riconoscere gli oggetti all’interno di un ambiente dinamico per poi determinare che esso rispecchi gli attributi richiesti all’interno della posizione definita. Tale obiettivo è raggiungibile attraverso la realizzazione di un motore di image recognition costituito da due modelli, rispettivamente di feature selection e image similarity.
Object recognition
Billboard detection
Similarity detection
File in questo prodotto:
File Dimensione Formato  
Grimaldi_Alberto.pdf

embargo fino al 01/01/2025

Dimensione 4.89 MB
Formato Adobe PDF
4.89 MB Adobe PDF

The text of this website © Università degli studi di Padova. Full Text are published under a non-exclusive license. Metadata are under a CC0 License

Utilizza questo identificativo per citare o creare un link a questo documento: https://hdl.handle.net/20.500.12608/46944