Accendere l'intelligenza delle macchine con la gravità: Sfruttare le tecniche di apprendimento automatico ad alto impatto basate sulla legge Newton

Con i rapidi progressi tecnologici, l'interazione efficace tra uomo e macchina è diventata sempre più importante, rendendo il riconoscimento facciale accurato un'area di ricerca fondamentale. I sistemi tradizionali di riconoscimento facciale si basano prevalentemente su dati monomodali, il che ne limita la robustezza in condizioni reali. Per ovviare a queste limitazioni, il riconoscimento facciale multimodale, che integra informazioni provenienti da più fonti, come dati visivi e audio, ha suscitato notevole interesse.Nonostante le numerose ricerche, il riconoscimento facciale rimane una sfida a causa delle variazioni di illuminazione, rumore, rotazione e occlusione. Questa tesi affronta queste sfide proponendo nuovi algoritmi per il rilevamento di caratteristiche invarianti. Un contributo fondamentale è una nuova tecnica di rilevamento dei contorni ispirata alla legge universale di Newton sulla forza gravitazionale. Il metodo calcola le interazioni gravitazionali in base alla direzione e all'ampiezza della variazione del segnale e deriva le somme vettoriali nelle direzioni orizzontale e verticale per estrarre i contorni facciali precisi.