Con Tangible Computing Programming si intende il paradigma di programmazione a blocchi che utilizza blocchi “tangibili” (quindi fisici) per indicare le istruzioni del programma. Il block programming è molto diffuso (ad es: Scratch Jr. https://www.scratchjr.org/ o Google Blockly https://developers.google.com/blockly/) specialmente in ambito educational. Esistono anche alcuni prodotti/sistemi di tangible computing programming (es: https://www.wired.com/2016/05/osmo-turns-blocks-code-teach-kids-programming/).
Il progetto vorrebbe evitare di aver bisogno di costosi pezzi come nel caso di Osmo, ma di poter crearsi i pezzi “in casa” (magari anche in modo incrementale, aggiungendo nuovi blocchi con nuove funzionalità/istruzioni al bisogno) ed utilizzare lo smartphone per riconoscere (se non addirittura “imparare” – learn) i pezzi e la loro funzionalità.

Il progetto ha lo scopo testare metodi per la classificazione automatica da immagini di vestiti (t‐shirt, camicie, pantaloni, ecc.), con lo scopo successivo di creare automaticamente dei capi combinati (t-shirt con pantaloni, ..).  Siccome le immagini a disposizione spesso sono  di dimensioni diverse, è necessario effettuare uno scaling automatico, basato sul riconoscimento di punti di interesse (ad esempio: la cinta dei pantaloni o la parte bassa della t‐shirt) su cui poi effettuare lo scaling.  Un punto di partenza è l’articolo “DeepFashion: Powering Robust Clothes Recognition and Retrieval With Rich  Annotations”   e  che  presenta  anche  un  dataset  (DeepFashion)  che  può  essere  utilizzato  inizialmente  per sperimentare tecniche ed algoritmi. Il progetto rappresenta anche un’occasione per il tirocinio pre‐ o post‐laurea presso Adidas. 

Il progetto ha lo scopo testare metodi per il riconoscimento automatico di prodotti di vestiario a partire dal vettoriale. Il vettoriale spesso contiene il rendering del prodotto in vari colori e da vari punti di vista (frontale, retro e spesso anche laterale). Il sistema da sviluppare deve riconoscere automaticamente il punto di vista e il colore.  Scopo finale sarebbe la realizzazione di un applicativo o plugin per Adobe Illustrator che si interfacci con  il  sistema  di  classificazione  e  upload  correntemente  in  uso  ad  Adidas  per  automatizzare  questo riconoscimento.

La tesi si inserisce in un progetto di ricerca in essere che vuole sviluppare un sistema di realtà aumentata per applicazioni turistiche. L’argomento di questa tesi verterà soprattutto sullo sviluppo (anche parziale) di un sistema  per  il  riconoscimento  automatico  di  luoghi  o  manufatti  di  interesse  da dispositivo mobile.  Attualmente le opportunità di tesi riguardo questo argomento si riferiscono a:

• fine-tuning di reti convoluzionali con l'obbiettivo di ottenere un descrittore ottimizzato al problema trattato;
• sistemi di relevance feedback tramite i quali si potrà aiutare il sistema a creare un descrittore maggiormente efficace;
• saliency methods utilizzati per valutare in maniera non supervisionata l'importanza delle regioni in un'immagine.

Il progetto è in collaborazione con la ditta Protec s.r.l. Sorting Equipment di Collecchio (PR). Questa tesi ha lo  scopo di studiare e sviluppare algoritmi di visione artificiale per distinguere tra oggetti corretti (pomodori, carote, fagiolini, patate, ecc.) da contaminatori (insetti, sassi, ecc.) e da prodotti avariati (cioè che presentano varie  tipologie  di  difetti).  Si  dovranno  quindi  sviluppare  algoritmi  di  segmentazione  basati  sul  colore  e classificatori basati su colore e forma. 

Questa tesi vuole esplorare nuovi algoritmi per l’identificazione (detection) e l’inseguimento (tracking) di oggetti (persone, veicoli, ecc.) da filmati video ripresi da più telecamere, nell’ambito del più ampio argomento della video sorveglianza automatica. La tesi partirebbe dall’esperienza più che decennale del gruppo di ricerca sull’argomento e si concentrerebbe soprattutto su metodi di consistent labeling tra telecamere diverse, cioè sul trovare le corrispondenze dello stesso oggetto (persone nell’immagine sottostante) tra telecamere diverse, in modo da assegnare un’etichetta (label) consistente sulle varie viste in cui appare l’oggetto.