Vai al contenuto
FRFederico Raponi

Federico Raponi

Laurea Magistrale in Computer Science · Sapienza Università di Roma

Costruisco sistemi di machine learning misurati con onestà e che reggono anche fuori dal notebook - dai modelli di visione al retrieval multimodale fino all’apprendimento sui dispositivi edge.

Lavori sceltiContattami

01In evidenza

Progetti e pubblicazioni

Tutti i 10 lavori
Pubblicazioneott 2026

BuddyBack: un sistema multimodale per la correzione della postura

ICMI ’26 - International Conference on Multimodal Interaction, Napoli

Un dispositivo da scrivania che monitora la postura con la stima della posa direttamente sul dispositivo e la corregge con feedback aptico e visivo. Pubblicato a ICMI ’26; in uno studio con 30 utenti tutti hanno dichiarato una maggiore consapevolezza della propria postura e nessuno lo ha trovato invadente.

  • Human–Computer Interaction
  • Pose Estimation
  • Edge Computing
  • Haptic Feedback
Tesiott 2025 – ott 2026

Estrazione e rifinitura automatica di planimetrie per la navigazione indoor accessibile

Laurea Magistrale in Computer Science - Sapienza Università di Roma

Tesi magistrale: una pipeline che trasforma le foto da smartphone delle planimetrie di evacuazione in mappe pulite e modificabili, per un sistema di navigazione indoor rivolto a persone con disabilità visive e motorie. RT-DETR-L raggiunge 0,894 di mAP@50 e un editor con l’operatore nel ciclo sostituisce il ricalco manuale con correzioni rapide.

  • Object Detection
  • RT-DETR
  • YOLO
Progettodic 2025 – gen 2026

Transfer learning dal text-motion retrieval alla classificazione della violenza

Advanced Machine Learning - Sapienza Università di Roma, a.a. 2025/26

Le azioni violente sono rare nei dataset di movimento, e i classificatori standard finiscono per ignorarle. Adattiamo gli embedding di movimento allineati al testo di TMR++ con MAML del primo ordine e una loss specifica per la violenza: con 30 esempi per classe il modello riconosce il 73,1% delle azioni violente con l’1% di falsi positivi.

  • Few-Shot Learning
  • Meta-Learning
  • MAML

02Chi sono

Modelli, misurati.

Sono un informatico della Sapienza Università di Roma, dove sto per iniziare il dottorato. Il mio lavoro sta dove il machine learning incontra vincoli reali: dati rumorosi, budget di calcolo stretti, valutazioni che devono convincere qualcuno oltre a me.

Prima e accanto alla ricerca ho passato molto tempo sull’ingegneria del software - backend, API, deploy - ed è per questo che tengo all’intera pipeline, non solo al modello che sta nel mezzo.

Formazione

03Competenze

Strumenti

Ambiti
  • Computer vision
  • Apprendimento multimodale e di rappresentazioni
  • Few-shot e meta-learning
  • ML federato e on-device
  • Interazione uomo–macchina
Machine learning
  • PyTorch
  • PyTorch Lightning
  • scikit-learn
  • Optuna
  • Weights & Biases
  • TensorBoard
  • NumPy
  • Pandas
Visione e modelli
  • YOLO
  • RT-DETR
  • ResNet
  • DINOv2
  • CLIP
  • RoBERTa
  • MoveNet
  • MediaPipe
  • OpenCV
  • PaddleOCR
Linguaggi
  • Python
  • Go
  • TypeScript
  • SQL
  • Java
Backend e web
  • FastAPI
  • REST APIs
  • OpenAPI
  • SvelteKit
  • Vue.js
  • React
  • Next.js
  • Tailwind CSS
Dati e infrastruttura
  • PostgreSQL
  • MariaDB
  • SQLite
  • Docker
  • Git
  • AWS (S3, RDS)
  • Raspberry Pi
  • Linux

04 - Contatti

Parliamone.

Sto per iniziare il dottorato alla Sapienza Università di Roma. Se vuoi parlare di ricerca, di una possibile collaborazione o di uno dei progetti qui, l’email è il modo migliore per raggiungermi.

fraponi98@gmail.com