Esperienza Esame IPCV

Daniele

Membro
15 Febbraio 2015
7
1
3
Non essendoci nessuna informazione in merito a questo esame, spero di fare cosa gradita spiegando un po' di cosa tratta l'esame e come si svolge.

- Prof: Scarpa

- Data: 01/07/2020 Online

- Materiale utilizzato: Il professore mette a disposizione delle slides: sono fatte abbastanza bene e coprono tutto quello che il prof tratta a lezione. Essendo poi il corso svoltosi in via telematica, sono disponibili sulla piattaforma Microsoft Stream le registrazioni delle lezioni (o per lo meno erano, non so se il prof. le ha eliminate con l'inizio del nuovo anno).

- Corso: Il corso può essere diviso in 2 sezioni principali: la parte sull'image processing e una parte sul deep learning. Nella prima parte ci sono concetti generali sul funzionamento di una camera analogico/digitale, metodi di blurring, filtraggio di immagini e così via. Nella parte sul deep learning si entra in merito di concetti visti anche nell'esame di Data Mining del prof.Sansone (per chi lo ha scelto). Non è necessario aver seguito il corso di data mining ma comunque potrebbe aiutarvi. Si parla quindi di reti convoluzionali, algoritmo del gradiente, ecc.
Il corso viene completato da una parte esercitativa: gli assistenti ed il prof. illustreranno le tecniche viste a lezione sia in locale con tool come Anaconda sia in cloud con Kaggle/Google Colab per la parte di Deep Learning. Tutta questa parte verrà fatta in Python per il quale verrà fatta un'introduzione a tutto quello che serve dagli assistenti. Un'ulteriore parte esercitativa viene svolta in MATLAB, ma non fa parte di quello che viene svolto per l'esame.

- Esame: L'esame consiste nello sviluppare un progetto di gruppo: essendo stata questa la prima edizione del corso svolta interamente online, dato che il prof vuole cercare di seguire tutti gli studenti allo stesso modo, ha detto di creare dei gruppi anche di 5 persone. Vi viene assegnata una traccia da lui che consiste in un dataset formato da immagini sul quale voi dovrete cercare di applicare le tecniche di deep learning sfruttando diversi tipi di reti a seconda del problema che dovrete risolvere. Quello che interessa al prof. non è tanto il valore di accuracy finale che otterrete ma piuttosto che mettete le mani in pasta con le varie tecniche viste a lezione, magari cercando di capire cosa succede aggiungendo/togliendo layer all'interno della rete che avete scelto e così via. Durante tutto il corso, ci saranno delle lezioni "progetto" in cui voi andrete in riunione con il vostro gruppo per lavorare sul progetto che vi è stato assegnato e di tanto in tanto gli assistenti ed il professore entrano in riunione chiedendovi come procede e se avete bisogno di aiuto.
L'esame consiste in due parti: ci sarà una prima data in cui presenterete il progetto che avete svolto, dando spazio alla rete scelta, che tipo di operazioni avete svolto sul dataset e così via. Il prof. è una persona molto precisa: pubblicherà un calendario con gli orari delle varie presentazioni e vi darà un tempo che voi dovrete cercare di rispettare (50 minuti se ricordo bene). Nei restanti 10 minuti potrebbe chiedervi curiosità o altro su quello che avete detto. Questa è una fase molto tranquilla anche perchè siete stati seguiti durante tutta la fase di sviluppo e per il prof. è più una "conclusione del corso".
La seconda fase è l'orale che spazia sugli argomenti teorici affrontati durante il corso. All'esame è presente solo il prof. che vi farà due domande:
-La prima domanda sarà assegnata da lui e vi arriverà tramite mail qualche giorno prima. A me è capitato: Vincolo epipolare (matrice essenziale e matrice fondamentale). Per questa fase, essendo la domanda nota a priori, il prof. chiede particolare precisione nella risposta e chiede di preparare un discorso di massimo 15 minuti.
-La seconda domanda è casuale: mi ha chiesto fitting allignment con focus su Hough.

- Difficoltà: L'esame è molto interessante (soprattutto la parte di deep learning) ed il professore spiega davvero bene. Sia il professore che i due assistenti sono bravissimi: mettono a proprio agio, sono disponibilissimi a chiarimenti sia durante le lezioni esercitative che durante il ricevimento. Cercano di aiutarvi in tutti i modi e vi dedicano anche molto tempo ragionando insieme a voi sulle eventuali problematiche che si potrebbero presentare. Le difficoltà potrebbero presentarsi durante lo svolgimento del progetto, proprio perchè si cerca di mettere mano ad un problema reale. Ad esempio, potreste scoraggiarvi perchè i risultati ottenuti non sono ideali o perchè la vostra rete predice male e non sapete che strada prendere. Non avete di che preoccuparvi perchè come detto gli asssitenti sono a disposizione per cercare di mettervi sul binario giusto e soprattutto la cosa importante è che avete capito cosa avete fatto ed avanzate ipotesi su quello che sta accadendo (es: bisognerebbe arricchire il dataset, si potrebbe provare questa rete, ecc.).
 
  • Like
Reactions: John_Frusciante

Seguici su Facebook