Just a repository for my Digital Signal and Image Management course's assignments (source code and embedded report)
- Per l'assignment #1 l'obiettivo è implementare la feature Zero-crossing rate (ZCR) per la descrizione di un segnale audio monocanale, partendo dalle istruzioni viste ad esercitazione. E' inoltre richiesto di verificare l'effetto dell'uso di ZCR in combinazione con altre feature presentate ad esercitazione.
- L'assignment #2 richiede di implementare la funzione di sharpening per esaltare i dettagli di un'immagine in scala di grigi tramite unsharp mask, partendo dalle istruzioni viste ad esercitazione. Verificare l'effetto di diversi parametri coinvolti nelle operazioni utilizzate.
- Nell'assignment #3 la richiesta è quella di implementare uno script di image stitching tra due immagini, partendo dalle istruzioni viste ad esercitazione.
- L'assignment #4 richiede di implementare una rete neurale per la classificazione del dataset MNIST a partire dalle istruzioni viste ad esercitazione, costruendo una precisa architettura.
- L'assignment #5 prevede l'implementazione di uno script di classificazione basato sul fine tuning di feature neurali, a partire dalle istruzioni viste ad esercitazione.
Verificare l'impatto sulle performance dato da:
- Una diversa architettura
- Operazioni di data augmentation
L'assignment #5 è stato originariamente prodotto utilizzando Google Colab. Si consiglia pertanto di aprirlo utilizzando questo servizio sfruttando il button presente nel notebook oppure utilizzando l'estensione per aprire notebook in Colab da Google Chrome.
⊜ Fabrizio D'Intinosante
- Cosa studio: Studente Magistrale di Data Science presso l'Università degli Studi di Milano-Bicocca;
- Studi precedenti: Laurea triennale in Economia e Statistica per le Organizzazioni presso l'Università degli Studi di Torino.