Abstract:
Nella comunità del Machine Learning i problemi di matching hanno dato un forte contributo l’area del riconoscimento dal momento che le corrispondenze di strutture possono rilevare aspetti di similitudine tra due oggetti. In Graph Theory e Computer Vision si cercano rispettivamente i matching tra nodi o punti di due grafi o immagini, i quali costituiscono una forma di trasformazione da una struttura all’altra. Sebbene il problema sia sempre stato trattato su due entità sta emergendo sempre di più l’esigenza di generalizzare il problema a un insieme di molteplici oggetti. In questa tesi sfruttiamo la sincronizzazione delle trasformazioni per realizzare diversi lavori di Multi-Graph e Multi-Point Set matching. Appartenenti alla prima categoria trattiamo le permutazioni realizzando tre approcci: il primo costituisce un framework che sincronizza off-line una soluzione derivata da un esterno algoritmo di Matching in modo indipendente; il secondo costituisce un processo che può integrarsi a un algoritmo di matching sincronizzando attivamente la soluzione durante l’apprendimento; il terzo generalizza ulteriormente la ricerca di corrispondenze di sottografi sullo spazio del multi simplesso in un universo comune di nodi. Appartenenti alla seconda categoria trattiamo le omografie planari tra immagini 2D, realizzando un processo di ottimizzazione in grado di determinare il piano presente nella scena e classificandone i punti appartenenti o meno a tale superficie planare.
