Computer Vision and Machine Learning

Il laboratorio svolge attività di ricerca nel campo dell’Intelligenza Artificiale, in particolare nelle aree del machine learning, computer vision e pattern recognition, sin dal 1995.

Nel corso degli anni il laboratorio ha contribuito all’avanzamento dello stato dell’arte in queste aree in ambito teorico, metodologico e applicativo, portandolo ad essere un punto di riferimento nel settore sia a livello nazionale che internazionale.

Il gruppo ha una vasta rete di collaborazioni scientifiche e partecipa con regolarità, spesso nel ruolo di coordinatore, a progetti di ricerca europei e nazionali.

Gruppo di ricerca

Collaboratori

  • Luca Palmieri (Assegnista)
  • Hebatallah Mohamed (Assegnista)
  • Diego Pilutti (Assegnista)
  • Alessandro Torcinovich (Docente a contratto)
  • Antonio Emanuele Cinà (Dottorando)
  • Marina Khoroshiltseva (Dottoranda)
  • Sara Ferro (Dottoranda)
  • Waqar Ali (Dottorando)
  • Guglielmo Beretta (Dottorando)

Collaborazioni

Pubblicazioni

  • I. Elezi, J. Seidenscharz, L.Wagner, S. Vascon, A. Torcinovich, M. Pelillo, and L. Leal-Taixé. The Group Loss++: A deeper look into group loss for deep metric learning. IEEE Transactions on Pattern Analysis and Machine Intelligence (in press)
  • A. Cinà, A. Torcinovich, and M. Pelillo. A black-box adversarial attack for poisoning clustering. Pattern Recognition 122:108306 (2022)
  • S. Aslan, S. Vascon, and M. Pelillo. Two sides of the same coin: Improved ancient coin classification using graph transduction games. Pattern Recognition Letters 131:158-165 (2020)
  • E. Zemene, L. Alemu, and M. Pelillo. Dominant sets for "constrained" image segmentation. IEEE Transactions on Pattern Analysis and Machine Intelligence 41(10):2438-2451 (2019)
  • E. Zemene, Y. Tariku, H. Idrees, A. Prati, M. Pelillo, and M. Shah. Large-scale image geolocalization using dominant sets. IEEE Transactions on Pattern Analysis and Machine Intelligence 41(1):148-161 (2019)

Progetti di ricerca

  • RePAIR - Reconstructing the Past: Artificial Intelligence and Robotics Meet Cultural Heritage, 2021-2025 (H2020 FET-Open) - Coordinatore scientifico
  • ELISE - European Learning and Intelligent Systems Excellence, 2020-2023 (H2020) - Responsabile scientifico della parte terza
  • Artificial Intelligence Assisted Performance and Anomaly Detection and Diagnostic, 2020-2021 (European Space Agency) - Responsabile scientifico
  • MEMEX - Memories and Experiences for Inclusive Digital Storytelling, 2020-2022 (H2020) - Responsabile scientifico della parte terza
  • AI4EU - A European AI On Demand Platform and Ecosystem, 2019-2021 (H2020), Responsabile scientifico
  • REXlearn - Reliable and Explainable Adversarial Machine Learning, 2019-2021 (PRIN), Responsabile scientifico
  • Hume-Nash Machines: Context-Aware Models of Learning and Recognition, 2015-2017 (Samsung Global Research Outreach Grant) - Unico responsabile scientifico
  • Security Issues in Pattern Recognition, 2010-2013 (Regione Autonoma della Sardegna) - Responsabile scientifico
  • SIMBAD - Beyond Features: Similarity-Based Pattern Analysis and Recognition, 2008-2011 (FP7 FET-Open), Coordinatore scientifico
  • Similarity-Based Methods for Computer Vision and Pattern Recognition: Theory, Algorithms, Applications, 2007-2009 (PRIN), Coordinatore scientifico
  • Machine Learning Methods for Structural Genomics, 2002-2004 (PRIN), Responsabile scientifico
  • Neural Networks for Learning in Structural Domains: Methods and Applications, 2000-2002 (PRIN) - Responsabile scientifico

Last update: 21/05/2024