Trattare il "problema di Picasso" combinando reti neurali e approcci a regole ​

Negli ultimi anni l'ambito della Computer Vision è stato radicalmente cambiato dalle reti neurali, che sono ormai riuscite a raggiungere capacità super umane nella classificazione di immagini. Tra le reti più usate in questo ambito abbiamo sicuramente le Convolutional Neural Neeworks (CNN) che, però, con gli strati di Pooling e Convoluzione, perdono molte informazioni spaziali. Si arriva così al problema di Picasso: un oggetto complesso diventa semplicemente la somma dei propri elementi semplici, qualsiasi sia la relazione tra loro. Questa tesi si propone di risolvere il problema utilizzando un approccio misto tra reti neurali per fare Object Detection e un sistema ASP per imporre dei vincoli spaziali. I risultati ottenuti sono promettenti: siamo riusciti a non aumentare troppo la complessità risolvendo però il problema nella maggior parte dei casi.