Hola,
¿eres nuevo aquí?

Registrate y conecta tu empresa con financiación pública, partners y proyectos.

PID2021-128009OB-C31

Financiado

INTELIGENCIA EMBEBIDA EN SENSORES Y SISTEMAS DE VISION DE BAJO CONSUMO Y OPERACI...

INTELIGENCIA EMBEBIDA EN SENSORES Y SISTEMAS DE VISION DE BAJO CONSUMO Y OPERACION DE LARGO TERMINO ESTE SUBPROYECTO TIENE COMO OBJETIVO FUNDAMENTAL DOTAR A LOS DISPOSITIVOS IOT DE INTELIGENCIA BASADA EN VISION ARTIFICIAL CON BAJO COSTE ENERGETICO MEDIANTE LA INTEGRACION DE CAPACIDADES AVANZADAS DE SENSADO Y ALGORITMICA ADAPTADA... ver más

01/01/2021

CSIC

212K€

Presupuesto del proyecto: 212K€

Líder del proyecto

AGENCIA ESTATAL CONSEJO SUPERIOR DE INVESTIGA... No se ha especificado una descripción o un objeto social para esta compañía.

TRL 2-3 | 552M€

Financiación concedida El organismo AGENCIA ESTATAL DE INVESTIGACIÓN notifico la concesión del proyecto el día 2021-01-01

0% 100%

Participantes

CSIC

Lider

Proyectos interesantes

RTI2018-097088-B-C33 ACELERADORES HARDWARE PARA REDES DE APRENDIZAJE PROFUNDO DE... 79K€ Cerrado

PID2021-128009OB-C32 INTELIGENCIA ARTIFICIAL EN EL BORDE: SOLUCIONES EMBEBIDAS DE... 187K€ Cerrado

SEA2Learn SElf-Adaptive and Automated LEARNing Framework for Smart Sen... 176K€ Cerrado

BES-2015-076161 ESTUDIO E IMPLEMENTACION DE SISTEMAS NEUROMORFICOS EN HARDWA... 93K€ Cerrado

CNS2023-143648 Ciencias de la computación y tecnología informática 375K€ Cerrado

PDC2021-121847-I00 SISTEMAS ADAPTATIVOS EN HARDWARE DE REDES NEURONALES PROFUND... 91K€ Cerrado

Últimas noticias

29-11-2024: IDAE En las últimas 48 horas el Organismo IDAE ha otorgado 4 concesiones

29-11-2024: ECE En las últimas 48 horas el Organismo ECE ha otorgado 2 concesiones

29-11-2024: CMVAMADRID En las últimas 48 horas el Organismo CMVAMADRID ha otorgado 37 concesiones

Líder del proyecto

AGENCIA ESTATAL CONSEJO SUPERIOR DE INVESTIGA...

TRL 2-3 | 552M€

Presupuesto del proyecto 212K€

Descripción del proyecto ESTE SUBPROYECTO TIENE COMO OBJETIVO FUNDAMENTAL DOTAR A LOS DISPOSITIVOS IOT DE INTELIGENCIA BASADA EN VISION ARTIFICIAL CON BAJO COSTE ENERGETICO MEDIANTE LA INTEGRACION DE CAPACIDADES AVANZADAS DE SENSADO Y ALGORITMICA ADAPTADA A DICHAS CAPACIDADES. ACTUALMENTE, LAS REDES NEURONALES CONVOLUCIONALES (CNNS, DE SUS SIGLAS EN INGLES) SE HAN CONVERTIDO EN LA ARQUITECTURA DE PROCESAMIENTO SUBYACENTE A MULTITUD DE TAREAS RELACIONADAS CON LA VISION. AUNQUE SU PRECISION ES MUCHO MAYOR QUE LA DE LOS ALGORITMOS DE VISION CLASICOS BASADOS EN EXTRACCION DE CARACTERISTICAS MANUALMENTE DISEÑADAS (DE HECHO, ESTA ES LA RAZON PRINCIPAL DE LA GRAN RELEVANCIA DE LAS CNNS), LOS RECURSOS HARDWARE Y ENERGETICOS QUE REQUIEREN SON MASIVOS. ESTO SE DEBE FUNDAMENTALMENTE A QUE EL FLUJO DE DATOS DE ENTRADA DE DICHAS REDES NEURONALES CONSISTE EN UNA SERIALIZACION DE LA INFORMACION EN CRUDO PROPORCIONADA POR EL SENSOR (A LO SUMO, ESTA INFORMACION PASA PREVIAMENTE POR UN PROCESADOR ESPECIFICO PARA MEJORA DE LA IMAGEN: REALZADO DE BORDES, MAPEO DE TONOS, ETC.) PRETENDEMOS EXPLORAR DIFERENTES ALTERNATIVAS PARA INCORPORAR LA VISION A PLATAFORMAS EMBEBIDAS DE UNA FORMA MUCHO MAS EFICIENTE. COMENZAREMOS POR ABORDAR LA PROBLEMATICA DE LA GENERACION FIABLE DE REPRESENTACIONES DE ESCENA EN TODO TIPO DE SITUACIONES. ASI, ESTUDIAREMOS TECNICAS DE ALTO RANGO DINAMICO BASADAS EN LA OPERACION DE LOS SISTEMAS NATURALES (EN PARTICULAR LA RETINA) PARA CONSEGUIR ACOMODAR CONDICIONES EXTREMAS DE ILUMINACION EN UN RANGO DE SEÑAL EQUIVALENTE A 8 BITS. ESTO SUPONDRA UN ALIVIO COMPUTACIONAL DESDE EL MISMO INICIO DE LA CADENA DE SEÑAL. A NIVEL DE PIXEL, BUSCAREMOS UNA OPERACION BASADA EN LA INTERACCION DE DOS DIODOS QUE SE PROPORCIONARAN MUTUAMENTE INFORMACION RESPECTO A LA ILUMINACION LOCAL Y GLOBAL EN LA ESCENA EN CADA INSTANTE. LAS TAREAS A REALIZAR IRAN DESDE EL MODELADO FISICO DE LOS FOTODIODOS, EL DISEÑO DE CIRCUITOS, LA IMPLEMENTACION DE UN CIRCUITO INTEGRADO, Y SU POSTERIOR TESTADO. TAMBIEN ESTUDIAREMOS EL POTENCIAL DEL APRENDIZAJE COMPRESIVO COMO MECANISMO ALTERNATIVO AL SENSADO CONVENCIONAL BASADO EN FRAMES Y POSTERIOR INFERENCIA BASADA EN CNNS. MEDIANTE DICHO APRENDIZAJE, LAS MUESTRAS COMPRESIVAS GENERADAS POR UN CHIP PROTOTIPO QUE DISEÑAREMOS EN ESTE SUBPROYECTO SERAN ANALIZADAS Y CLASIFICADAS POR UN ALGORITMO (POR EJEMPLO, UNA SUPPORT VECTOR MACHINE) CO-DISEÑADO CON EL SENSOR. COMO ESCENARIO DE APLICACION DEL APRENDIZAJE COMPRESIVO TRABAJAREMOS EN EL RECONOCIMIENTO FACIAL, QUE ES DE ESPECIAL INTERES PARA LA IOT POR LA CRECIENTE IMPORTANCIA DE LA PRIVACIDAD. TAMBIEN ESTUDIAREMOS COMO MODALIDADES SENSORIALES EMERGENTES (VISION BASADA EN EVENTOS, SENSADO DE PROFUNDIDAD, SENSADO MULTI-ESPECTRAL) PUEDEN CONJUGARSE CON LAS CNNS PARA INCREMENTAR EL RENDIMIENTO DE LOS SISTEMAS DE VISION EMBEBIDOS EN METRICAS CLAVE COMO EL CONSUMO Y LA PRECISION DE INFERENCIA. FINALMENTE, AUNANDO LOS RESULTADOS OBTENIDOS EN EL RESTO DE SUBPROYECTOS, ABORDAREMOS EL DISEÑO DE UN SISTEMA IOT PARA UN ESCENARIO DE APLICACION ESPECIFICO. EN CONCRETO, DISEÑAREMOS UNA CAMARA TRAMPA INTELIGENTE PARA LA MONITORIZACION REMOTA DE ESPECIES ANIMALES EN COLABORACION CON INVESTIGADORES DE LA ESTACION BIOLOGICA DE DOÑANA. ESTA CAMARA SERA CAPAZ DE IDENTIFICAR COMPORTAMIENTO ANIMAL DE INTERES PARA CONSERVACIONISTAS EN LOCALIZACIONES REMOTAS, POR LO QUE DEBERA INCORPORAR CONECTIVIDAD EN RED Y ESTAR CARACTERIZADA POR UNA ELEVADA AUTONOMIA ENERGETICA. NTERNET DE LAS COSAS\INFERENCIA DE ALTO NIVEL CON RECURSOS LI\SISTEMAS DE VISION EMBEBIDOS\CONVERSION DE ANALOGICO A INFORMACION

Conecta tu I+D

Entra hoy

Financiación

Empresas

CTIs/Universidades

Proyectos

Investigadores