Una rete neurale (Neural Network) è un oggetto matematico ispirato al funzionamento dei sistemi neurologici animali. Una rete neurale complessa (o profonda, da cui l’appellativo Deep Network e per estensione Deep Learning) è una rete neurale dotata di molti “strati” di calcolo, molti di più delle tradizionali reti neurali. Uno strato di calcolo applica semplici operazioni matematiche sui suoi input (tipicamente dei vettori di numeri reali) che producono come risultato dei nuovi vettori numerici, che sono a loro volta ingressi degli strati successivi della rete. Esistono molti tipi di strati di calcolo (layer) nella letteratura scientifica di settore. Nel campo della classificazione di immagini i layer che si sono rivelati fondamentali, contribuendo a fornire prestazioni di classificazione che avanzano nettamente lo stato dell’arte fornito dalle tecnologie tradizionali, sono i cosiddetti layer “convoluzionali” (vedi figura).

Un’altra caratteristica distintiva delle tecnologie Deep Learning consiste nella natura dei loro vettori di  ingresso, vale a dire i vettori numerici all’ingresso del primo layer. A differenza dei metodi di Machine Learning tradizionale – che utilizzano normalmente vettori numerici che surrogano alcune caratteristiche del contenuto che si ritengono importanti per lo specifico task – l’input alle reti complesse, nel caso della classificazione di immagini, sono le immagini stesse.

In questo contesto estremamente vitale e in continuo divenire, il progetto si prefigge di studiare nuovi metodi ed architetture di rete di tipo profondo applicabili al dominio degli oggetti video, che a tutt’oggi rappresentano una reale sfida per  queste tecnologie data la loro elevata dimensionalità e complessità semantica.

La realizzazione di queste architetture permetterebbe di rendere maggiormente efficiente il processo di metadatazione dell’archivio RAI, allo stesso tempo incrementando la qualità e la ricchezza delle informazioni associate ai contenuti. Le tipologie di informazioni estraibili efficacemente attraverso queste reti non si limitano infatti alla generica classificazione, anche se quest’ultima può essere realizzata di principio usando un arbitrario sistema di classificazione (orientato al contenuto, alle emozioni, al riconoscimento dei volti di personaggi noti). Versioni più articolate riescono ad estrarre annotazioni strutturate, riducendo sostanzialmente il gap con i sistemi di documentazione tradizionali.