Un modello di deep learning ispirato alla corteccia visiva e applicazioni a strumenti di precisione per controllo automatico

Tecniche di analisi geometrica e modelli di funzionalità del cervello, con applicazione a reti neurali e problemi di controllo qualità semiautomatico. 

Periodo

1 novembre 2020 - 31 ottobre 2021

Obbiettivi

sviluppare un approccio basato su tecniche di analisi geometrica e sulla funzionalità del cervello per introdurre una nuova architettura di deep learning robusto al rumore presente nelle immagini, con ricadute sul controllo qualità semiautomatico.

Collaborazioni con il sistema produttivo regionale e nazionale:

• collaborazione con Marposs, con sede a Bentivoglio. Marposs è leader mondiale nella fornitura di strumenti di precisione per la misura ed il controllo in ambiente di produzione.
• collaborazione con IIT - Istituto Italiano di Tecnologia.

Collaborazioni con soggetti pubblici a livello internazionale:

• collaborazione con il prof. Sarti EHESS (Parigi)
• collaborazione con il prof. Remco Tu/e (Eindhoven)

Membri del progetto:

• Giovanna Citti (UNIBO - PI)
• Maria Carla Tesi (UNIBO)
• Mattia Francesco Galeotti (postdoc - UNIBO - assunto sul progetto)
• Remco Duits (Tu/e)
• Alessandro Sarti (EHESS)
• Federico Bertoni (EHESS)
• Noemi Montobbio (IIT)
• Roberto Baruchello (Presso Marposs SPA)
• Francesco Paltrinieri (tesista UNIBO)
• Giulia Lupi (tesista UNIBO)

Lavori pubblicati sull'argomento

• Mattia Galeotti, Giovanna Citti, Alessandro Sarti, Cortically based optimal transport, https://arxiv.org/abs/2007.10460
• Federico Bertoni · Giovanna Citti · Alessandro Sarti, LGN-CNN: a biologically inspired CNN architecture, https://arxiv.org/pdf/1911.06276.pdf
• Federico Bertoni, Noemi Montobbio, Alessandro Sarti and Giovanna Citti, Emergence of Lie symmetries in functional architectures learned by CNNs, https://arxiv.org/pdf/2104.08537.pdf

Tesi di laurea e tirocini svolti all'interno del progetto

• tesi magistrale di Giulia Lupi, supervisori G. Citti, M. Galeotti, R. Duits  dal titolo Kernel approximations in Lie groups and application to group-invariant CNN (Settembre 2021)
• tirocinio di Francesco Paltrinieri presso Marposs Spa, responsabile R. Barucchello, sul problema della mappatura di una macchina di misura multiasse
• tesi magistrale di Francesco Paltrinieri, svolta presso Marposs supervisori G. Citti, M Galeotti, R. Duits (Ottobre 2021)