Progettazione di un dataset multi-modale di oggetti abbandonati per applicazioni in domini con scarsità di dati

Le moderne soluzioni per la classificazione e l'identificazione di oggetti e persone tramite telecamere si appoggiano su reti neurali addestrate su milioni di immagini naturali. Sebbene efficienti per l'uso quotidiano, le performance di questi metodi degradano in domini applicativi specifici con oggetti poco o per niente rappresentati nei dataset di addestramento. Questa tesi, che costituisce la relazione del tirocinio svolto da ottobre 2025 a gennaio 2026 presso l'Istituto di Scienza e Tecnologie dell'Informazione del Consiglio Nazionale delle Ricerche (ISTI-CNR) di Pisa nell'ambito del progetto europeo FAITH, di cui ISTI-CNR è il leader del sottoprogetto pilota sul trasporto pubblico, si pone l'obiettivo di sopperire a tale mancanza di informazioni mediante la creazione di un dataset multimodale personalizzato nell'ambito del trasporto pubblico, chiamato CTOD (Common Train Objects Dataset). Nel dettaglio, in essa sono illustrate tutte le attività svolte e le scelte progettuali, a partire da quella della telecamera utilizzata per acquisire i dati e la sua validazione, fino ad arrivare alla presentazione del dataset, descrivendone dettagliatamente la definizione, l'organizzazione strutturale e l'implementazione, compreso il modulo associato ad esso per permetterne l'interazione con l'utilizzatore.