Realizzo soluzioni innovative per problemi visivi complessi, dalle pipeline di object detection al deployment in produzione su cloud ed edge. Attualmente Lead CV Engineer presso Technology Data Reply IT, Milano. Scrivimi per un caffè! ☕ 😊
Competenze principali:
Federico Favia
Real-time hand segmentation con deep learning — il mio progetto di tesi magistrale, sviluppato durante uno stage di ricerca in azienda presso ManoMotion AB, nell'ambito del doppio master EIT Digital rilasciato congiuntamente da KTH Royal Institute of Technology e Università di Trento. Diverse architetture di segmentation encoder-decoder (U-Net, ICNet, RefineNet, DeepLabV3+, PSPNet) sono implementate, addestrate e confrontate, bilanciando accuracy, inference speed e model size per l'uso in mobile AR in real time.
Vedi su GitHub ↗
Progetto ML end-to-end che predice la categoria di un prodotto da nome + brand in più lingue (TF-IDF/Logistic Regression + fine-tuning di DistilBERT multilingue), esposto tramite FastAPI con Docker.
Esplora l'image segmentation sia con tecniche classiche di image processing sia con approcci moderni di deep learning — da thresholding, watershed e metodi basati sui contorni fino a neural network di segmentation, applicati a immagini reali.
Tesi triennale presso Xtensa Srl — confronto tra tracking basato su deep learning con YOLOv3 e algoritmi classici come Mean-shift per la detection e il tracking di calciatori.
Stima il traffico navale a Venezia da un video di webcam sul Canal Grande con algoritmi di motion detection — background subtraction adattiva, morphological filters e blob detection per contare le barche e calcolare flow rate, media integrale e mediana.
Image classification tramite un sistema di Visual Search basato su un albero gerarchico K-means. Le feature sono descrittori di keypoint SIFT, valutati con TF-IDF tramite il modello Bag of Visual Words.
Progetto di computer vision in due parti che combina face detection, face matching e facial attribute analysis (età, genere, etnia, emozione) con intrusion detection per scenari di video surveillance in stile CCTV.
Pipeline end-to-end di object detection personalizzata con Ultralytics YOLOv8 — preparazione del dataset con Roboflow, fine-tuning, evaluation e inference su immagini e video, incluso l'object tracking.
Sistema di check-in di sicurezza su Arduino attivato da un pulsante: una pressione invia un SMS di check-in, una seconda pressione (se senza risposta) invia a tutti i contatti di emergenza l'ultima posizione GPS nota e un link a Google Maps.
Tool Python leggero che converte una task list strutturata in Excel in un Gantt chart pulito e pronto per la pubblicazione, per PM e ingegneri senza accesso a Jira.
Analisi di due diffusi scale-invariant feature detector — SIFT e SURF — per la feature extraction e l'image matching tramite il nearest-neighbour distance ratio.
Demo 3D interattiva del Sistema Solare con navigazione da tastiera e texture .jpg sui pianeti, realizzata con GLEW e GLUT.
Progetto di Multimedia Data Security per la tampering detection e localization nelle immagini con tecniche di forensics basate su PRNU e JPEG.
Ideazione e design in prima persona del logo della startup Engel durante il corso Startup Lab presso Clab — Università di Trento, con Adobe Illustrator.
Costruiamo qualcosa
che valga la pena vedere.
Richieste, idee, collaborazioni — o solo un caffè ☕ Prenota una chiacchierata // Si apre Calendly, caricato solo al clic