2026
Journal article
Open Access
A Survey on SAR ship classification using deep learning
Ch Muhammad Awais, Marco Reggiannini, Davide Moroni, Emanuele Salerno
Deep learning (DL) has become a central approach for ship classification using synthetic aperture radar (SAR) imagery. This survey reviews 74 representative studies selected from 187 publications, categorizing them into a taxonomy with four main dimensions: (i) DL architectures, (ii) datasets, (iii) image augmentation, and (iv) learning techniques. We analyze how approaches such as handcrafted feature integration, data augmentation, fine-tuning, and transfer learning influence classification performance, and summarize the use of public benchmarks including OpenSARShip and FUSARShip. This survey highlights key challenges: limited data availability, class imbalance, lack of standardized metrics, and limited interpretability of DL models. Future research directions include the development of SAR-specific DL architectures, advanced augmentation and generative approaches, integration of handcrafted and deep features, interpretable DL, and stronger interdisciplinary collaboration. By addressing these challenges, DL-based SAR ship classification can achieve greater robustness, accuracy, and transparency, ultimately strengthening maritime surveillance and operational monitoring.Source: IEEE JOURNAL OF SELECTED TOPICS IN APPLIED EARTH OBSERVATIONS AND REMOTE SENSING
DOI: 10.1109/jstars.2026.3695704
Metrics:
Ch Muhammad Awais, Marco Reggiannini, Davide Moroni, Emanuele Salerno
Deep learning (DL) has become a central approach for ship classification using synthetic aperture radar (SAR) imagery. This survey reviews 74 representative studies selected from 187 publications, categorizing them into a taxonomy with four main dimensions: (i) DL architectures, (ii) datasets, (iii) image augmentation, and (iv) learning techniques. We analyze how approaches such as handcrafted feature integration, data augmentation, fine-tuning, and transfer learning influence classification performance, and summarize the use of public benchmarks including OpenSARShip and FUSARShip. This survey highlights key challenges: limited data availability, class imbalance, lack of standardized metrics, and limited interpretability of DL models. Future research directions include the development of SAR-specific DL architectures, advanced augmentation and generative approaches, integration of handcrafted and deep features, interpretable DL, and stronger interdisciplinary collaboration. By addressing these challenges, DL-based SAR ship classification can achieve greater robustness, accuracy, and transparency, ultimately strengthening maritime surveillance and operational monitoring.Source: IEEE JOURNAL OF SELECTED TOPICS IN APPLIED EARTH OBSERVATIONS AND REMOTE SENSING
DOI: 10.1109/jstars.2026.3695704
Metrics:
See at:
CNR IRIS 
| ieeexplore.ieee.org | CNR IRIS 
2026
Other
Open Access
GUARDIANS: Green, Utility, Accessibility, Resilience, Digital Integration, Ability, Nature, Sustainability. Deliverable D1.4: Rapporto analisi AHP sui coefficienti di ponderazione SRI
Emanuele Salerno
Il presente documento riporta i risultati dell'analisi secondo la procedura Analysis of the Hierarchical Process (AHP) condotta con l'aiuto dei partner di progetto e stakeholder esterni sui coefficienti di ponderazione più adeguati per i criteri SRI che il gruppo di supporto tecnico ha giudicato non basabili su dati scientifici oggettivi e ha quindi concluso che dovessero essere pesati in ugual misura.Project(s): Green, Utility, Accessibility, Resilience, Digital Integration, Ability, Nature, Sustainability
Emanuele Salerno
Il presente documento riporta i risultati dell'analisi secondo la procedura Analysis of the Hierarchical Process (AHP) condotta con l'aiuto dei partner di progetto e stakeholder esterni sui coefficienti di ponderazione più adeguati per i criteri SRI che il gruppo di supporto tecnico ha giudicato non basabili su dati scientifici oggettivi e ha quindi concluso che dovessero essere pesati in ugual misura.Project(s): Green, Utility, Accessibility, Resilience, Digital Integration, Ability, Nature, Sustainability
2025
Other
Open Access
SI-Lab Annual Research Report 2024
Awais Ch Muhammad, Baiamonte A., Benassi A., Berti A., Bertini G., Buongiorno R, Bulotta D., Cafiso M., Carboni A., Carloni G., Caudai C., Colantonio S., Conti F., Daoudagh S., Del Corso G., Fusco G., Galesi G., Germanese D., Gravili S., Ignesti G., Kuruoglu E. E., Lazzini G., Leone G. R., Leporini B., Magrini M., Martinelli M., Omrani Ali Reza, Pachetti E., Papini O., Paradisi P., Pardini F., Pascali M. A., Pieri G., Reggiannini M., Righi M., Salerno E., Salvetti O., Scozzari A., Sebastiani L., Straface S., Tampucci M., Tarabella L., Tonazzini A., Moroni D.
The Signal & Images Laboratory (SI-Lab) is an interdisciplinary research group in computer vision, signal analysis, intelligent vision systems and multimedia data understanding. It is part of the Institute of Information Science and Technologies (ISTI) of the National Research Council of Italy (CNR). This report accounts for the research activities of the Signal and Images Laboratory of the Institute of Information Science and Technologies during the year 2024.DOI: 10.32079/isti-ar-2025/002
Metrics:
Awais Ch Muhammad, Baiamonte A., Benassi A., Berti A., Bertini G., Buongiorno R, Bulotta D., Cafiso M., Carboni A., Carloni G., Caudai C., Colantonio S., Conti F., Daoudagh S., Del Corso G., Fusco G., Galesi G., Germanese D., Gravili S., Ignesti G., Kuruoglu E. E., Lazzini G., Leone G. R., Leporini B., Magrini M., Martinelli M., Omrani Ali Reza, Pachetti E., Papini O., Paradisi P., Pardini F., Pascali M. A., Pieri G., Reggiannini M., Righi M., Salerno E., Salvetti O., Scozzari A., Sebastiani L., Straface S., Tampucci M., Tarabella L., Tonazzini A., Moroni D.
The Signal & Images Laboratory (SI-Lab) is an interdisciplinary research group in computer vision, signal analysis, intelligent vision systems and multimedia data understanding. It is part of the Institute of Information Science and Technologies (ISTI) of the National Research Council of Italy (CNR). This report accounts for the research activities of the Signal and Images Laboratory of the Institute of Information Science and Technologies during the year 2024.DOI: 10.32079/isti-ar-2025/002
Metrics:
2025
Other
Open Access
GUARDIANS: Green, Utility, Accessibility, Resilience, Digital Integration, Ability, Nature, Sustainability. Deliverable D1.2: Rapporto prima valutazione SRI Smart-Ready
Salerno E., Fusco G., Guerra S., Winter R., Boschi P., Paloschi S.
Come previsto dalla scheda tecnica GUARDIANS, il presente documento riporta i risultati del calcolo SRI per i due immobili caso studio previsti dal programma di ricerca (attività A1.2). In questa prima sperimentazione, il calcolo è stato effettuato servendosi delle impostazioni standard previste dal foglio di calcolo SRI_calculation-sheet_v4.5.xlsx diffuso dal gruppo di supporto tecnico, senza pensare a modifiche di coefficienti di ponderazione o punteggi e seguendo il processo standard di triage. I punti essenziali della procedura sono riassunti nel deliverable GUARDIANS D1.1 insieme ad elementi di discussione che, da programma, saranno oggetto di futuri confronti tra i partner del progetto e un gruppo selezionato di stakeholder esterni. In questa sede si riporta solo lo schema semplificato della procedura di calcolo.Project(s): Green, Utility, Accessibility, Resilience, Digital Integration, Ability, Nature, Sustainability
Salerno E., Fusco G., Guerra S., Winter R., Boschi P., Paloschi S.
Come previsto dalla scheda tecnica GUARDIANS, il presente documento riporta i risultati del calcolo SRI per i due immobili caso studio previsti dal programma di ricerca (attività A1.2). In questa prima sperimentazione, il calcolo è stato effettuato servendosi delle impostazioni standard previste dal foglio di calcolo SRI_calculation-sheet_v4.5.xlsx diffuso dal gruppo di supporto tecnico, senza pensare a modifiche di coefficienti di ponderazione o punteggi e seguendo il processo standard di triage. I punti essenziali della procedura sono riassunti nel deliverable GUARDIANS D1.1 insieme ad elementi di discussione che, da programma, saranno oggetto di futuri confronti tra i partner del progetto e un gruppo selezionato di stakeholder esterni. In questa sede si riporta solo lo schema semplificato della procedura di calcolo.Project(s): Green, Utility, Accessibility, Resilience, Digital Integration, Ability, Nature, Sustainability
2025
Other
Open Access
GUARDIANS: Green, Utility, Accessibility, Resilience, Digital Integration, Ability, Nature, Sustainability. Deliverable D1.1: Rapporto sullo schema di calcolo SRI
Salerno E., Fusco G., Guerra S., Winter R.
La prima parte di questo documento descrive brevemente il meccanismo di applicazione dell'indice di predisposizione all'intelligenza (SRI, o Smart Readiness Indicator) introdotto dall'aggiornamento 2018 della direttiva europea EPBD (Energy Performance of Buildings, 2018/844/EU) e dei relativi regolamenti delegato e attuativo 2020/2155/EU e 2020/2156/EU che ne codificano il metodo di calcolo e le norme di applicazione (al momento facoltativa) da parte degli stati membri. Si tratta di un indice sintetico che introduce una valutazione della predisposizione di un edificio ad accogliere "intelligenza" nella gestione dei servizi tecnologici che consentono di ottimizzare la sua prestazione energetica insieme al benessere e la salute dei suoi occupanti. Già da prima della versione originale della EPBD, la 2010/31/EU, la normativa in vigore prevedeva la valutazione della prestazione energetica di ogni unità immobiliare, attraverso l'Attestato di Prestazione Energetica (APE o, in inglese, EPC, Energy Performance Certificate), che è in vigore come misura obbligatoria per tutti gli stati membri. L'adozione dell'SRI non vuole sostituire l'APE, quindi l'SRI non valuta la prestazione energetica nel suo complesso ma solo il miglioramento (potenzialmente) ottenibile per mezzo di servizi tecnologici intelligenti, aggiungendo importanti parti riguardanti la gestione del sistema energetico sulla base delle esigenze della rete di distribuzione e la soddisfazione delle esigenze degli occupanti. Oltre che la misura del grado di predisposizione all'intelligenza, lo scopo dell'introduzione dell'SRI è di stimolare l'adozione di tecnologie intelligenti nel patrimonio edilizio europeo nel quadro della politica detta del green deal. Nello stesso tempo, almeno nelle intenzioni del legislatore, le soluzioni adottate per implementare l'intelligenza degli edifici vogliono essere tecnologicamente agnostiche, per cui nella valutazione non vengono presi in considerazione specifici apparati ma specifiche funzioni, qualunque sia la tecnologia che le implementa.Project(s): Green, Utility, Accessibility, Resilience, Digital Integration, Ability, Nature, Sustainability
Salerno E., Fusco G., Guerra S., Winter R.
La prima parte di questo documento descrive brevemente il meccanismo di applicazione dell'indice di predisposizione all'intelligenza (SRI, o Smart Readiness Indicator) introdotto dall'aggiornamento 2018 della direttiva europea EPBD (Energy Performance of Buildings, 2018/844/EU) e dei relativi regolamenti delegato e attuativo 2020/2155/EU e 2020/2156/EU che ne codificano il metodo di calcolo e le norme di applicazione (al momento facoltativa) da parte degli stati membri. Si tratta di un indice sintetico che introduce una valutazione della predisposizione di un edificio ad accogliere "intelligenza" nella gestione dei servizi tecnologici che consentono di ottimizzare la sua prestazione energetica insieme al benessere e la salute dei suoi occupanti. Già da prima della versione originale della EPBD, la 2010/31/EU, la normativa in vigore prevedeva la valutazione della prestazione energetica di ogni unità immobiliare, attraverso l'Attestato di Prestazione Energetica (APE o, in inglese, EPC, Energy Performance Certificate), che è in vigore come misura obbligatoria per tutti gli stati membri. L'adozione dell'SRI non vuole sostituire l'APE, quindi l'SRI non valuta la prestazione energetica nel suo complesso ma solo il miglioramento (potenzialmente) ottenibile per mezzo di servizi tecnologici intelligenti, aggiungendo importanti parti riguardanti la gestione del sistema energetico sulla base delle esigenze della rete di distribuzione e la soddisfazione delle esigenze degli occupanti. Oltre che la misura del grado di predisposizione all'intelligenza, lo scopo dell'introduzione dell'SRI è di stimolare l'adozione di tecnologie intelligenti nel patrimonio edilizio europeo nel quadro della politica detta del green deal. Nello stesso tempo, almeno nelle intenzioni del legislatore, le soluzioni adottate per implementare l'intelligenza degli edifici vogliono essere tecnologicamente agnostiche, per cui nella valutazione non vengono presi in considerazione specifici apparati ma specifiche funzioni, qualunque sia la tecnologia che le implementa.Project(s): Green, Utility, Accessibility, Resilience, Digital Integration, Ability, Nature, Sustainability
2025
Other
Open Access
A survey on SAR ship classification using deep learning
Awais Ch Muhammad, Reggiannini M., Moroni D., Salerno E.
Deep learning (DL) has emerged as a powerful tool for Synthetic Aperture Radar (SAR) ship classification. This survey comprehensively analyzes the diverse DL techniques employed in this domain. We identify critical trends and challenges, highlighting the importance of integrating handcrafted features, utilizing public datasets, data augmentation, fine-tuning, explainability techniques, and fostering interdisciplinary collaborations to improve DL model performance. This survey establishes a first-of-its-kind taxonomy for categorizing relevant research based on DL models, handcrafted feature use, SAR attribute utilization, and the impact of fine-tuning. We discuss the methodologies used in SAR ship classification tasks and the impact of different techniques. Finally, the survey explores potential avenues for future research, including addressing data scarcity, exploring novel DL architectures, incorporating interpretability techniques, and establishing standardized performance metrics. By addressing these challenges and leveraging advancements in DL, researchers can contribute to developing more accurate and efficient ship classification systems, ultimately enhancing maritime surveillance and related applications.DOI: 10.48550/arxiv.2503.11906
DOI: https://doi.org/10.48550/arxiv.2503.11906
Metrics:
Awais Ch Muhammad, Reggiannini M., Moroni D., Salerno E.
Deep learning (DL) has emerged as a powerful tool for Synthetic Aperture Radar (SAR) ship classification. This survey comprehensively analyzes the diverse DL techniques employed in this domain. We identify critical trends and challenges, highlighting the importance of integrating handcrafted features, utilizing public datasets, data augmentation, fine-tuning, explainability techniques, and fostering interdisciplinary collaborations to improve DL model performance. This survey establishes a first-of-its-kind taxonomy for categorizing relevant research based on DL models, handcrafted feature use, SAR attribute utilization, and the impact of fine-tuning. We discuss the methodologies used in SAR ship classification tasks and the impact of different techniques. Finally, the survey explores potential avenues for future research, including addressing data scarcity, exploring novel DL architectures, incorporating interpretability techniques, and establishing standardized performance metrics. By addressing these challenges and leveraging advancements in DL, researchers can contribute to developing more accurate and efficient ship classification systems, ultimately enhancing maritime surveillance and related applications.DOI: 10.48550/arxiv.2503.11906
DOI: https://doi.org/10.48550/arxiv.2503.11906
Metrics:
See at:
arXiv.org e-Print Archive | CNR IRIS | doi.org | CNR IRIS
2025
Other
Open Access
GUARDIANS: Green, Utility, Accessibility, Resilience, Digital Integration, Ability, Nature, Sustainability. Deliverable 2.1: Rapporto cataloghi servizi intelligenti - SRI
Salerno E., Fusco G., Bemi S., Guerra S., Winter R., Boschi P., Paloschi S.
Previsto nella scheda tecnica di progetto GUARDIANS, il presente documento raccoglie le osservazioni fatte a proposito dei due cataloghi di servizi intelligenti, completo e semplificato, introdotti dal regolamento delegato 2020/2155/EU per caratterizzare il calcolo dell'SRI. In realtà, esiste un unico catalogo comprendente 54 servizi, di cui il catalogo semplificato, con 27 servizi, è semplicemente un sottoinsieme. Il catalogo semplificato è concepito per la valutazione SRI di immobili residenziali o piccoli immobili non residenziali, mentre il catalogo completo è destinato ad essere applicato a grandi immobili non residenziali o comunque immobili di elevata complessità. Anche le procedure di valutazione sono distinte per le suddette due classi di immobili: quella soggetta all'uso del catalogo semplificato può essere condotta in modalità checklist, ovvero verificando su progetto o altra documentazione specifica il livello funzionale dei servizi presenti; quella soggetta all'uso del catalogo completo prevede il sopralluogo del valutatore presso l'immobile in esame. Resta, come già riportato nella precedente documentazione prodotta in ambito GUARDIANS, la possibilità, attraverso il processo di triage di annullare l'effetto di specifici servizi sul valore finale dell'SRI o anche di aggiungere servizi non presenti nei cataloghi standard. L'esperienza di valutazione SRI da parte dei partner GUARDIANS (al momento basata sul metodo semplificato) ha finora riguardato i due immobili previsti dal programma nel loro stato attuale, e da essa non sono emerse particolari criticità o altre osservazioni riguardanti specificamente i servizi inseriti in catalogo, salvo per un servizio che appare ridondante. Sono emerse, al contrario, alcune considerazioni sui livelli funzionali previsti per alcuni servizi. Con lo scopo di accrescere la nostra esperienza in materia, valutazioni SRI con catalogo completo sono attualmente in corso, riguardanti immobili non previsti dalla scheda tecnica.Project(s): Green, Utility, Accessibility, Resilience, Digital Integration, Ability, Nature, Sustainability
Salerno E., Fusco G., Bemi S., Guerra S., Winter R., Boschi P., Paloschi S.
Previsto nella scheda tecnica di progetto GUARDIANS, il presente documento raccoglie le osservazioni fatte a proposito dei due cataloghi di servizi intelligenti, completo e semplificato, introdotti dal regolamento delegato 2020/2155/EU per caratterizzare il calcolo dell'SRI. In realtà, esiste un unico catalogo comprendente 54 servizi, di cui il catalogo semplificato, con 27 servizi, è semplicemente un sottoinsieme. Il catalogo semplificato è concepito per la valutazione SRI di immobili residenziali o piccoli immobili non residenziali, mentre il catalogo completo è destinato ad essere applicato a grandi immobili non residenziali o comunque immobili di elevata complessità. Anche le procedure di valutazione sono distinte per le suddette due classi di immobili: quella soggetta all'uso del catalogo semplificato può essere condotta in modalità checklist, ovvero verificando su progetto o altra documentazione specifica il livello funzionale dei servizi presenti; quella soggetta all'uso del catalogo completo prevede il sopralluogo del valutatore presso l'immobile in esame. Resta, come già riportato nella precedente documentazione prodotta in ambito GUARDIANS, la possibilità, attraverso il processo di triage di annullare l'effetto di specifici servizi sul valore finale dell'SRI o anche di aggiungere servizi non presenti nei cataloghi standard. L'esperienza di valutazione SRI da parte dei partner GUARDIANS (al momento basata sul metodo semplificato) ha finora riguardato i due immobili previsti dal programma nel loro stato attuale, e da essa non sono emerse particolari criticità o altre osservazioni riguardanti specificamente i servizi inseriti in catalogo, salvo per un servizio che appare ridondante. Sono emerse, al contrario, alcune considerazioni sui livelli funzionali previsti per alcuni servizi. Con lo scopo di accrescere la nostra esperienza in materia, valutazioni SRI con catalogo completo sono attualmente in corso, riguardanti immobili non previsti dalla scheda tecnica.Project(s): Green, Utility, Accessibility, Resilience, Digital Integration, Ability, Nature, Sustainability
2024
Journal article
Open Access
Remote sensing for maritime traffic understanding
Reggiannini M, Salerno E, Bacciu C, D'Errico A, Lo Duca A, Marchetti A, Martinelli M, Mercurio C, Mistretta A, Righi M, Tampucci M, Di Paola C
The capability of prompt response in case of critical circumstances occurring within a maritime scenario depends on the awareness level of the competent authorities. From this perspective a quick and integrated surveillance service represents a tool of utmost importance. This is even more true when the main purpose is to tackle illegal activities such as smuggling, waste flooding or malicious vessel trafficking. This work presents an improved version of the OSIRIS system, a previously developed ICT framework devoted to understand the maritime vessel traffic through the exploitation of optical and radar data captured by satellite imaging sensors. A number of dedicated processing units are cascaded with the objective of i) detecting the presence of vessel targets in the input imagery, ii) estimating the vessel types on the basis of their geometric and scatterometric features, iii) estimating the vessel kinematics, iv) classifying the navigation behaviour of the vessel and predicting its route and, eventually, v) integrating the several outcomes within a webGIS interface to easily assess the traffic status inside the considered area. The entire processing pipeline has been tested on satellite imagery captured within the Mediterranean Sea or extracted from public, annotated data sets.Source: REMOTE SENSING (BASEL), vol. 16 (issue 3)
DOI: 10.3390/rs16030557
Metrics:
Reggiannini M, Salerno E, Bacciu C, D'Errico A, Lo Duca A, Marchetti A, Martinelli M, Mercurio C, Mistretta A, Righi M, Tampucci M, Di Paola C
The capability of prompt response in case of critical circumstances occurring within a maritime scenario depends on the awareness level of the competent authorities. From this perspective a quick and integrated surveillance service represents a tool of utmost importance. This is even more true when the main purpose is to tackle illegal activities such as smuggling, waste flooding or malicious vessel trafficking. This work presents an improved version of the OSIRIS system, a previously developed ICT framework devoted to understand the maritime vessel traffic through the exploitation of optical and radar data captured by satellite imaging sensors. A number of dedicated processing units are cascaded with the objective of i) detecting the presence of vessel targets in the input imagery, ii) estimating the vessel types on the basis of their geometric and scatterometric features, iii) estimating the vessel kinematics, iv) classifying the navigation behaviour of the vessel and predicting its route and, eventually, v) integrating the several outcomes within a webGIS interface to easily assess the traffic status inside the considered area. The entire processing pipeline has been tested on satellite imagery captured within the Mediterranean Sea or extracted from public, annotated data sets.Source: REMOTE SENSING (BASEL), vol. 16 (issue 3)
DOI: 10.3390/rs16030557
Metrics:
See at:
Remote Sensing | Remote Sensing | IRIS Cnr | IRIS Cnr | CNR IRIS | CNR IRIS
2024
Conference article
Open Access
Advancing sustainability: research initiatives at the Signals and Images Lab
Bruno A., Caudai C., Conti F., Leone G. R., Magrini M., Martinelli M., Moroni D., Muhammad A. Ch, Papini O., Pascali M. A., Pieri G., Reggiannini M., Righi M., Salerno E., Scozzari A., Tampucci M.
In this paper, we aim to briefly survey the relations of the work conducted at the Signals and Images Lab of CNR-ISTI, Pisa, with the themes of sustainability. We explore both the broader implications and the application-specific aspects of our work, highlighting references to published research and collaborative projects undertaken with key stakeholders and industrial partners.Source: CEUR WORKSHOP PROCEEDINGS, vol. 3762, pp. 499-504. Napoli, Italy, 29-30/05/2024
Bruno A., Caudai C., Conti F., Leone G. R., Magrini M., Martinelli M., Moroni D., Muhammad A. Ch, Papini O., Pascali M. A., Pieri G., Reggiannini M., Righi M., Salerno E., Scozzari A., Tampucci M.
In this paper, we aim to briefly survey the relations of the work conducted at the Signals and Images Lab of CNR-ISTI, Pisa, with the themes of sustainability. We explore both the broader implications and the application-specific aspects of our work, highlighting references to published research and collaborative projects undertaken with key stakeholders and industrial partners.Source: CEUR WORKSHOP PROCEEDINGS, vol. 3762, pp. 499-504. Napoli, Italy, 29-30/05/2024
See at:
ceur-ws.org | CNR IRIS | CNR IRIS
2024
Other
Open Access
Decidere insieme
Emanuele Salerno
Come si fa a prendere una decisione sulla base di molti criteri, alcuni dei quali possono essere tradotti in requisiti numerici mentre altri dipendono solo dall’opinione, qualitativa e soggettiva, del decisore? E se i criteri da soddisfare sono parzialmente contrastanti? E se la decisione dipende da fattori che richiedono il contributo di molti saperi specialistici, quindi di molti decisori? E se il consenso tra i decisori è talmente basso da far dubitare seriamente della soluzione? Quanto è efficace una semplice votazione per avvicinarsi alla scelta migliore? E una semplice votazione preceduta da una serie di confronti e discussioni? E la matematica può aiutare? Dalla formalizzazione dei criteri e la minimizzazione di un “costo” da essi derivato alla loro gerarchizzazione e analisi con i metodi dell’algebra, della teoria delle probabilità e dell’informazione, la matematica può effettivamente aiutare. I problemi di decisione sono fondamentali in ogni aspetto della nostra vita e sono studiati da diverse discipline, come psicologia, sociologia, diritto, oltre che da qualche branca della matematica. Si tratta in estrema sintesi di scegliere tra un certo numero di alternative sulla base di diversi criteri e diverse conoscenze caratterizzate da determinati gradi di incertezza da parte di un certo numero di decisori più o meno indipendenti tra loro e portatori di diverse competenze e interessi. Gli aspetti di un problema di decisione non sono quasi mai tutti adeguatamente formalizzabili, ma anche in questo caso la matematica può dare il suo contributo. La scelta dei criteri significativi, la loro sistematizzazione, l’organizzazione dei quesiti da porre ai decisori, la valutazione delle loro risposte ai fini della decisione e la maniera di mettere insieme i contributi dei diversi decisori sono tutti argomenti su cui la matematica ha molto da dire.
Emanuele Salerno
Come si fa a prendere una decisione sulla base di molti criteri, alcuni dei quali possono essere tradotti in requisiti numerici mentre altri dipendono solo dall’opinione, qualitativa e soggettiva, del decisore? E se i criteri da soddisfare sono parzialmente contrastanti? E se la decisione dipende da fattori che richiedono il contributo di molti saperi specialistici, quindi di molti decisori? E se il consenso tra i decisori è talmente basso da far dubitare seriamente della soluzione? Quanto è efficace una semplice votazione per avvicinarsi alla scelta migliore? E una semplice votazione preceduta da una serie di confronti e discussioni? E la matematica può aiutare? Dalla formalizzazione dei criteri e la minimizzazione di un “costo” da essi derivato alla loro gerarchizzazione e analisi con i metodi dell’algebra, della teoria delle probabilità e dell’informazione, la matematica può effettivamente aiutare. I problemi di decisione sono fondamentali in ogni aspetto della nostra vita e sono studiati da diverse discipline, come psicologia, sociologia, diritto, oltre che da qualche branca della matematica. Si tratta in estrema sintesi di scegliere tra un certo numero di alternative sulla base di diversi criteri e diverse conoscenze caratterizzate da determinati gradi di incertezza da parte di un certo numero di decisori più o meno indipendenti tra loro e portatori di diverse competenze e interessi. Gli aspetti di un problema di decisione non sono quasi mai tutti adeguatamente formalizzabili, ma anche in questo caso la matematica può dare il suo contributo. La scelta dei criteri significativi, la loro sistematizzazione, l’organizzazione dei quesiti da porre ai decisori, la valutazione delle loro risposte ai fini della decisione e la maniera di mettere insieme i contributi dei diversi decisori sono tutti argomenti su cui la matematica ha molto da dire.
2024
Journal article
Open Access
Digital humanities: Mission accomplished? An analysis of scholarly literature
Salerno E.
The field of digital humanities (DH) has evolved throughout the parallel evolution of computers, software and networking techniques, as well as the different attitudes of interested scholars. Since the earliest historical phases of this research field, scholars have been debating whether it can be considered as a new academic discipline and whether it is revolutionary in nature. About 20 years ago, the early denotation of ‘humanities computing’ evolved to the present label of DH, and deep changes occurred in digital information technologies, as well as in their humanities applications. Meanwhile, dedicated academic curricula were launched, thus adding an argument in favor of the debated disciplinarity of DH. This paper gives an account of the relevant scholarly debate, distinguishing between the early period and the most recent years; it then tries to frame this process in a model of scientific revolution.Source: Cultures of Science, vol. 7 (issue 1), pp. 34-48
DOI: 10.1177/20966083241234379
Metrics:
Salerno E.
The field of digital humanities (DH) has evolved throughout the parallel evolution of computers, software and networking techniques, as well as the different attitudes of interested scholars. Since the earliest historical phases of this research field, scholars have been debating whether it can be considered as a new academic discipline and whether it is revolutionary in nature. About 20 years ago, the early denotation of ‘humanities computing’ evolved to the present label of DH, and deep changes occurred in digital information technologies, as well as in their humanities applications. Meanwhile, dedicated academic curricula were launched, thus adding an argument in favor of the debated disciplinarity of DH. This paper gives an account of the relevant scholarly debate, distinguishing between the early period and the most recent years; it then tries to frame this process in a model of scientific revolution.Source: Cultures of Science, vol. 7 (issue 1), pp. 34-48
DOI: 10.1177/20966083241234379
Metrics:
2024
Journal article
Open Access
Remote sensing for maritime monitoring and vessel identification
Salerno E., Di Paola C., Lo Duca A.
Source: REMOTE SENSING, vol. 16 (issue 5)
DOI: 10.3390/rs16050776
Metrics:
Salerno E., Di Paola C., Lo Duca A.
Source: REMOTE SENSING, vol. 16 (issue 5)
DOI: 10.3390/rs16050776
Metrics:
See at:
Remote Sensing | Remote Sensing | IRIS Cnr | IRIS Cnr | CNR IRIS
2023
Conference article
Open Access
Evaluating the velocity of ships from low resolution SAR images
Reggiannini M, Salerno E
An abstract is not evaluableDOI: 10.1109/iceaa57318.2023.10297866
Metrics:
Reggiannini M, Salerno E
An abstract is not evaluableDOI: 10.1109/iceaa57318.2023.10297866
Metrics:
See at:
CNR IRIS | ieeexplore.ieee.org | ISTI Repository | CNR IRIS | CNR IRIS
2023
Other
Open Access
Digital Humanities: mission accomplished? A scholarly literature analysis
Salerno E
Digital Humanities have been evolving throughout the parallel evolution of computers, software and networking techniques, as well as the different attitudes of the interested scholars. Since the earliest historical phases of this research field, scholars have been debating on whether it can be considered to be a new academic discipline and whether it is revolutionary in nature. About twenty years ago, the early denotation of Humanities Computing evolved to the present one, and deep changes intervened in digital information technologies, as well as in their humanities applications. This paper accounts for the relevant scholarly debate, distinguishing between the early period and the most recent years, then tries to frame this process in a model of scientific revolution.DOI: https://dx.doi.org/10.13140/rg.2.2.27110.19528
DOI: 10.13140/rg.2.2.27110.19528
Metrics:
Salerno E
Digital Humanities have been evolving throughout the parallel evolution of computers, software and networking techniques, as well as the different attitudes of the interested scholars. Since the earliest historical phases of this research field, scholars have been debating on whether it can be considered to be a new academic discipline and whether it is revolutionary in nature. About twenty years ago, the early denotation of Humanities Computing evolved to the present one, and deep changes intervened in digital information technologies, as well as in their humanities applications. This paper accounts for the relevant scholarly debate, distinguishing between the early period and the most recent years, then tries to frame this process in a model of scientific revolution.DOI: https://dx.doi.org/10.13140/rg.2.2.27110.19528
DOI: 10.13140/rg.2.2.27110.19528
Metrics:
See at:
CNR IRIS | ISTI Repository | CNR IRIS
2023
Journal article
Open Access
Complementing Hi-C information for 3D chromatin reconstruction by ChromStruct
Caudai C., Salerno E.
A multiscale method proposed elsewhere for reconstructing plausible 3D configurations of the chromatin in cell nuclei is recalled, based on the integration of contact data from Hi-C experiments and additional information coming from ChIP-seq, RNA-seq and ChIA-PET experiments. Provided that the additional data come from independent experiments, this kind of approach is supposed to leverage them to complement possibly noisy, biased or missing Hi-C records. When the different data sources are mutually concurrent, the resulting solutions are corroborated; otherwise, their validity would be weakened. Here, a problem of reliability arises, entailing an appropriate choice of the relative weights to be assigned to the different informational contributions. A series of experiments is presented that help to quantify the advantages and the limitations offered by this strategy. Whereas the advantages in accuracy are not always significant, the case of missing Hi-C data demonstrates the effectiveness of additional information in reconstructing the highly packed segments of the structure.Source: FRONTIERS IN BIOINFORMATICS, vol. 3
DOI: 10.3389/fbinf.2023.1287168
Metrics:
Caudai C., Salerno E.
A multiscale method proposed elsewhere for reconstructing plausible 3D configurations of the chromatin in cell nuclei is recalled, based on the integration of contact data from Hi-C experiments and additional information coming from ChIP-seq, RNA-seq and ChIA-PET experiments. Provided that the additional data come from independent experiments, this kind of approach is supposed to leverage them to complement possibly noisy, biased or missing Hi-C records. When the different data sources are mutually concurrent, the resulting solutions are corroborated; otherwise, their validity would be weakened. Here, a problem of reliability arises, entailing an appropriate choice of the relative weights to be assigned to the different informational contributions. A series of experiments is presented that help to quantify the advantages and the limitations offered by this strategy. Whereas the advantages in accuracy are not always significant, the case of missing Hi-C data demonstrates the effectiveness of additional information in reconstructing the highly packed segments of the structure.Source: FRONTIERS IN BIOINFORMATICS, vol. 3
DOI: 10.3389/fbinf.2023.1287168
Metrics:
See at:
Frontiers in Bioinformatics | PubMed Central | CNR IRIS | Frontiers in Bioinformatics | www.frontiersin.org | GitHub | CNR IRIS
2022
Other
Restricted
Testing random-forest models trained by Sentinel-1 data from the OpenSARShip data set
Salerno E
We explore the capabilities of random forest models to classify several types of ships imaged through a satellite-borne C-band SAR with 20m spatial resolution. A number of attribute subsets estimated from the Sentinel 1 images provided by the OpenSARShip public data set are used to train models that are then tested against never-seen-before data. A vast data set has been extracted from OpenSARShip and used to estimate the whole attribute set, composed of 8 naive geometrical features and 8 scattering features. The results are encouraging, as the performances obtained seem to be good when compared to other results from non-deep-learning classifiers reported in the literature. Against previous claims found in the literature, the advantages of adding scattering features to purely geometric ones is here confirmed.
Salerno E
We explore the capabilities of random forest models to classify several types of ships imaged through a satellite-borne C-band SAR with 20m spatial resolution. A number of attribute subsets estimated from the Sentinel 1 images provided by the OpenSARShip public data set are used to train models that are then tested against never-seen-before data. A vast data set has been extracted from OpenSARShip and used to estimate the whole attribute set, composed of 8 naive geometrical features and 8 scattering features. The results are encouraging, as the performances obtained seem to be good when compared to other results from non-deep-learning classifiers reported in the literature. Against previous claims found in the literature, the advantages of adding scattering features to purely geometric ones is here confirmed.
2022
Journal article
Open Access
Using low-resolution SAR scattering features for ship classification
Salerno E
This letter reports an experimental study aimed at establishing the questionable usefulness of scattering attributes for ship classification from moderate-resolution SAR images. About 2700 example images representing four ship types have been extracted from the OpenSARShip annotated data set and used to form the training and test sets for random forest models. After importance ranking and cross-validation, different subsets of both geometric and scattering attributes were selected from a fixed training set and used to train the classifier. The results from the validation using the test sets show that the scattering attributes give a significant contribution in terms of overall classification accuracy.Source: IEEE GEOSCIENCE AND REMOTE SENSING LETTERS (ONLINE), vol. 19 (issue 4509504)
DOI: 10.1109/lgrs.2022.3183622
Metrics:
Salerno E
This letter reports an experimental study aimed at establishing the questionable usefulness of scattering attributes for ship classification from moderate-resolution SAR images. About 2700 example images representing four ship types have been extracted from the OpenSARShip annotated data set and used to form the training and test sets for random forest models. After importance ranking and cross-validation, different subsets of both geometric and scattering attributes were selected from a fixed training set and used to train the classifier. The results from the validation using the test sets show that the scattering attributes give a significant contribution in terms of overall classification accuracy.Source: IEEE GEOSCIENCE AND REMOTE SENSING LETTERS (ONLINE), vol. 19 (issue 4509504)
DOI: 10.1109/lgrs.2022.3183622
Metrics:
See at:
CNR IRIS | ieeexplore.ieee.org | ISTI Repository | CNR IRIS | CNR IRIS
2022
Journal article
Open Access
Blind bleed-through removal in color ancient manuscripts
Hanif M, Tonazzini A, Hussain Sf, Habib U, Salerno E, Savino P, Halim Z
Archaic manuscripts are an important part of ancient civilization. Unfortunately, such documents are often affected by various age related degradations, which impinge their legibility and information contents, and destroy their original look. In general, these documents are composed of three layers of information: foreground text, background, and unwanted degradation in the form of patterns interfering with the main text. In this work, we are presenting a color space based image segmentation technique to separate and remove the bleed-through degradation in digital ancient manuscripts. The main theme is to improve their readability and restore their original aesthetic look. For each pixel, a feature vector is created using color spectral and spatial location information. A pixel based segmentation method using Gaussian Mixture Model (GMM) is employed, assuming that each feature vector corresponds to a Gaussian distribution. Based on this assumption, each pixel is supposed to be drawn from a mixture of Gaussian distribution, with unknown parameters. The Expectation-Maximization (EM) approach is then used to estimate the unknown GMM parameters. The appropriate class label for each pixel is then estimated using posterior probability and GMM parameters. Unlike other binarization based document restoration method where the focus is on text extraction, we are more interested in restoring the aesthetically pleasing look of the ancient documents.The experimental results validate the usefulness of proposed method in terms of successful bleed-through identification and removal, while preserving foreground-text and background information.Source: MULTIMEDIA TOOLS AND APPLICATIONS (DORDRECHT. ONLINE), vol. 82, pp. 12321-12335
DOI: 10.1007/s11042-022-13755-6
DOI: https://doi.org/10.1007/s11042-022-13755-6
Metrics:
Hanif M, Tonazzini A, Hussain Sf, Habib U, Salerno E, Savino P, Halim Z
Archaic manuscripts are an important part of ancient civilization. Unfortunately, such documents are often affected by various age related degradations, which impinge their legibility and information contents, and destroy their original look. In general, these documents are composed of three layers of information: foreground text, background, and unwanted degradation in the form of patterns interfering with the main text. In this work, we are presenting a color space based image segmentation technique to separate and remove the bleed-through degradation in digital ancient manuscripts. The main theme is to improve their readability and restore their original aesthetic look. For each pixel, a feature vector is created using color spectral and spatial location information. A pixel based segmentation method using Gaussian Mixture Model (GMM) is employed, assuming that each feature vector corresponds to a Gaussian distribution. Based on this assumption, each pixel is supposed to be drawn from a mixture of Gaussian distribution, with unknown parameters. The Expectation-Maximization (EM) approach is then used to estimate the unknown GMM parameters. The appropriate class label for each pixel is then estimated using posterior probability and GMM parameters. Unlike other binarization based document restoration method where the focus is on text extraction, we are more interested in restoring the aesthetically pleasing look of the ancient documents.The experimental results validate the usefulness of proposed method in terms of successful bleed-through identification and removal, while preserving foreground-text and background information.Source: MULTIMEDIA TOOLS AND APPLICATIONS (DORDRECHT. ONLINE), vol. 82, pp. 12321-12335
DOI: 10.1007/s11042-022-13755-6
DOI: https://doi.org/10.1007/s11042-022-13755-6
Metrics:
See at:
CNR IRIS | ISTI Repository | CNR IRIS | CNR IRIS
2022
Contribution to book
Open Access
Blind source separation in laser-induced breakdown spectroscopy
Tonazzini A, Salerno E, Pagnotta S
Many years have passed since the birth of laser induced breakdown analysis and several steps forward have been made for the improvement of the technique from a hardware and software point of view. Libs has been skyrocketed, literally. Now, the need to automate the process of recognition, classification and quantification of the analytes becomes more and more pressing. In the chapters of this book, the new advances regarding these issues have been described. Here, an attempt to separate the spectra of the analytes will be described, which uses some of the most common blind source separation techniques. This type of approach is not a usual practice in Libs, so our contribution wants to provide a taste of the potential of this method for anyone who wants to try their hand at analyzing real data.DOI: 10.1002/9781119759614.ch8
Metrics:
Tonazzini A, Salerno E, Pagnotta S
Many years have passed since the birth of laser induced breakdown analysis and several steps forward have been made for the improvement of the technique from a hardware and software point of view. Libs has been skyrocketed, literally. Now, the need to automate the process of recognition, classification and quantification of the analytes becomes more and more pressing. In the chapters of this book, the new advances regarding these issues have been described. Here, an attempt to separate the spectra of the analytes will be described, which uses some of the most common blind source separation techniques. This type of approach is not a usual practice in Libs, so our contribution wants to provide a taste of the potential of this method for anyone who wants to try their hand at analyzing real data.DOI: 10.1002/9781119759614.ch8
Metrics:
See at:
CNR IRIS | onlinelibrary.wiley.com | ISTI Repository | CNR IRIS
2022
Other
Open Access
SI-Lab annual research report 2021
Righi M, Leone G R, Carboni A, Caudai C, Colantonio S, Kuruoglu E E, Leporini B, Magrini M, Paradisi P, Pascali M A, Pieri G, Reggiannini M, Salerno E, Scozzari A, Tonazzini A, Fusco G, Galesi G, Martinelli M, Pardini F, Tampucci M, Berti A, Bruno A, Buongiorno R, Carloni G, Conti F, Germanese D, Ignesti G, Matarese F, Omrani A, Pachetti E, Papini O, Benassi A, Bertini G, Coltelli P, Tarabella L, Straface S, Salvetti O, Moroni D
The Signal & Images Laboratory is an interdisciplinary research group in computer vision, signal analysis, intelligent vision systems and multimedia data understanding. It is part of the Institute of Information Science and Technologies (ISTI) of the National Research Council of Italy (CNR). This report accounts for the research activities of the Signal and Images Laboratory of the Institute of Information Science and Technologies during the year 2021.DOI: 10.32079/isti-ar-2022/003
DOI: https://doi.org/10.32079/isti-ar-2022/003
Metrics:
Righi M, Leone G R, Carboni A, Caudai C, Colantonio S, Kuruoglu E E, Leporini B, Magrini M, Paradisi P, Pascali M A, Pieri G, Reggiannini M, Salerno E, Scozzari A, Tonazzini A, Fusco G, Galesi G, Martinelli M, Pardini F, Tampucci M, Berti A, Bruno A, Buongiorno R, Carloni G, Conti F, Germanese D, Ignesti G, Matarese F, Omrani A, Pachetti E, Papini O, Benassi A, Bertini G, Coltelli P, Tarabella L, Straface S, Salvetti O, Moroni D
The Signal & Images Laboratory is an interdisciplinary research group in computer vision, signal analysis, intelligent vision systems and multimedia data understanding. It is part of the Institute of Information Science and Technologies (ISTI) of the National Research Council of Italy (CNR). This report accounts for the research activities of the Signal and Images Laboratory of the Institute of Information Science and Technologies during the year 2021.DOI: 10.32079/isti-ar-2022/003
DOI: https://doi.org/10.32079/isti-ar-2022/003
Metrics:
See at:
CNR IRIS | ISTI Repository | CNR IRIS