La presente memoria descrive i primi risultati raggiunti nell’ambito di un progetto di ricerca con la scuola bresciana di cucina Cast Alimenti. L’obiettivo del lavoro di ricerca è lo sviluppo di un sistema intelligente per il riconoscimento delle azioni svolte da un cuoco durante la preparazione di una ricetta. Cast Alimenti mira ad ottenere un prodotto da utilizzare durante la didattica che abbia un duplice scopo: da una parte si vuole riconoscere che operazione il cuoco docente sta effettuando, con che ingredienti e con quali utensili; dall’altra parte il sistema sarà in grado di effettuare la stessa operazione di riconoscimento con gli alunni della lezione, controllando se l’operazione pratica di cucina viene svolta nel modo migliore. In questa memoria vengono descritti i primi risultati raggiunti relativi al riconoscimento delle azioni del cuoco. Il riconoscimento delle azioni è stato effettuato e valutato confrontando due tra i migliori algoritmi di riconoscimento azioni basati su reti neurali ricorsive: il primo, denominato Human Pose Model and Temporal Modelling (HPM+TM), basato sull’analisi di immagini di profondità e il secondo, denominato Indipendetly Recurrent Neural Network (IndRNN), basato sulla misura di diversi keypoint individuati a partire da una skeletonization del soggetto ripreso.

Deep Learning in cucina: sviluppo e validazione di un sistema di riconoscimento di azioni basato su sensori RGBD

S. Pasinetti
Methodology
;
C. Nuzzi
Validation
;
G. Sansoni
Supervision
2020-01-01

Abstract

La presente memoria descrive i primi risultati raggiunti nell’ambito di un progetto di ricerca con la scuola bresciana di cucina Cast Alimenti. L’obiettivo del lavoro di ricerca è lo sviluppo di un sistema intelligente per il riconoscimento delle azioni svolte da un cuoco durante la preparazione di una ricetta. Cast Alimenti mira ad ottenere un prodotto da utilizzare durante la didattica che abbia un duplice scopo: da una parte si vuole riconoscere che operazione il cuoco docente sta effettuando, con che ingredienti e con quali utensili; dall’altra parte il sistema sarà in grado di effettuare la stessa operazione di riconoscimento con gli alunni della lezione, controllando se l’operazione pratica di cucina viene svolta nel modo migliore. In questa memoria vengono descritti i primi risultati raggiunti relativi al riconoscimento delle azioni del cuoco. Il riconoscimento delle azioni è stato effettuato e valutato confrontando due tra i migliori algoritmi di riconoscimento azioni basati su reti neurali ricorsive: il primo, denominato Human Pose Model and Temporal Modelling (HPM+TM), basato sull’analisi di immagini di profondità e il secondo, denominato Indipendetly Recurrent Neural Network (IndRNN), basato sulla misura di diversi keypoint individuati a partire da una skeletonization del soggetto ripreso.
2020
889-456-135-6
File in questo prodotto:
File Dimensione Formato  
Memoria01_CastAlimenti.pdf

accesso aperto

Tipologia: Full Text
Licenza: Dominio pubblico
Dimensione 290.67 kB
Formato Adobe PDF
290.67 kB Adobe PDF Visualizza/Apri

I documenti in IRIS sono protetti da copyright e tutti i diritti sono riservati, salvo diversa indicazione.

Utilizza questo identificativo per citare o creare un link a questo documento: https://hdl.handle.net/11379/566311
 Attenzione

Attenzione! I dati visualizzati non sono stati sottoposti a validazione da parte dell'ateneo

Citazioni
  • ???jsp.display-item.citation.pmc??? ND
  • Scopus ND
  • ???jsp.display-item.citation.isi??? ND
social impact