Hola,
¿eres nuevo aquí?

Regístrate gratis y conecta tu empresa con financiación pública, partners y proyectos.

Tengo cuenta

Regístrate

Ver video

RTI2018-095232-B-C21

Financiado

Cerrado

MAS ALLA DE LA PRECISION DE LOS MODELOS: INCERTEZA, EXPLICABILIDAD Y APRENDIZAJE...

MAS ALLA DE LA PRECISION DE LOS MODELOS: INCERTEZA, EXPLICABILIDAD Y APRENDIZAJE ENTRE-MODAL LA VISION POR COMPUTADOR (VC) HA CAMBIADO DE PARADIGMA, LA REPRESENTACION DEL CONOCIMIENTO BASADA EN CARACTERISTICAS CREADAS A MANO SE HA TRANSFORMADO A METODOS DE APRENDIZAJE PROFUNDO, DONDE LA EXTRACCION DE CARACTERISTICAS Y EL... ver más

01/01/2018

144K€

Presupuesto del proyecto: 144K€

Líder del proyecto

UNIVERSIDAD DE BARCELONA No se ha especificado una descripción o un objeto social para esta compañía.

Total investigadores 328

Fecha límite participación Sin fecha límite de participación.

Financiación concedida El organismo AGENCIA ESTATAL DE INVESTIGACIÓN notifico la concesión del proyecto el día 2018-01-01 No tenemos la información de la convocatoria

0% 100%

Información adicional privada

No hay información privada compartida para este proyecto. Habla con el coordinador.

Participantes

Lider

Conecta tu I+D

¿Tienes un proyecto y buscas un partner? Gracias a nuestro motor inteligente podemos recomendarte los mejores socios y ponerte en contacto con ellos. Te lo explicamos en este video

Proyectos interesantes

TIN2012-38102-C03-01 LEARNING IMAGE FEATURES TO ENCODE VISUAL INFORMATION 104K€ Cerrado

COMPLEX ML Machine learning and the physics of complex and disordered s... 261K€ Cerrado

RED Robust Explainable Deep Networks in Computer Vision 2M€ Cerrado

TIN2015-70410-C2-1-R MODELOS Y TECNICAS COMPUTACIONALES PARA EL ANALISIS Y PROCES... 39K€ Cerrado

PID2019-104174GB-I00 TRANSFERENCIA DE CONOCIEMIENTO PARA REPRESENTACIONES EN REDE... 78K€ Cerrado

TIN2016-79717-R APRENDIZAJE PROFUNDO MULTI-TAREA PARA RECONOCIMIENTO DE OBJE... 39K€ Cerrado

Líder del proyecto

UNIVERSIDAD DE BARCELONA No se ha especificado una descripción o un objeto social para esta compañía.

Total investigadores 328

Presupuesto del proyecto 144K€

Fecha límite de participación Sin fecha límite de participación.

Descripción del proyecto LA VISION POR COMPUTADOR (VC) HA CAMBIADO DE PARADIGMA, LA REPRESENTACION DEL CONOCIMIENTO BASADA EN CARACTERISTICAS CREADAS A MANO SE HA TRANSFORMADO A METODOS DE APRENDIZAJE PROFUNDO, DONDE LA EXTRACCION DE CARACTERISTICAS Y EL ENTRENAMIENTO DE LOS CLASIFICADORES SE REALIZA DE MANERA CONJUNTA, LOS MODELOS DE APRENDIZAJE PROFUNDO APLICADOS A LA VC SE HAN CONVERTIDO EN LA SOLUCION A MUCHOS PROBLEMAS INDUSTRIALES Y SOCIALES REALES, SUPERANDO LA PRECISION DE LOS HUMANOS EN APLICACIONES COMO EL RECONOCIMIENTO DE OBJETOS, LA LECTURA DE LABIOS, LA VIDEOVIGILANCIA, EL RECONOCIMIENTO FACIAL, EL DIAGNOSTICO DE TOMOSINTESIS DE MAMA, ENTRE MUCHOS OTROS,AUNQUE ESTOS MODELOS ESTAN DEMOSTRANDO RESULTADOS MUY SORPRENDENTES, EL ESCENARIO DE APLICACION DE ESTAS APLICACIONES, MERECEN UNA ATENCION MUY ESPECIAL:P1: ¿QUE SABE UN MODELO Y QUE NO? ¿CUANTA SEGURIDAD HAY SOBRE LA PREDICCION REALIZADA POR EL MODELO? ¿SE PUEDE USAR LA INCERTIDUMBRE PARA MEJORAR LOS MODELOS DE APRENDIZAJE AUTOMATICO?P2: ¿COMO PODEMOS MEJORAR Y GENERALIZAR LOS MODELOS EXISTENTES A NUEVOS DOMINIOS? ¿COMO PODEMOS ADMINISTRAR Y USAR CONJUNTOS DE DATOS DE DIFERENTES FORMATOS Y/O MODALIDADES?P3: ¿DEBEN LOS METODOS ACTUAR COMO UNA CAJA NEGRA? ¿PODEMOS DAR PREDICCIONES SIN ENTENDER LOS MOTIVOS POR LOS CUALES SE HA DADO LA RESPUESTA? ¿COMO PODEMOS CONSTRUIR MODELOS EXPLICATIVOS?EN ESTE SUBPROYECTO EN PARTICULAR, ABORDAREMOS PRINCIPALMENTE LAS DOS PRIMERAS PREGUNTAS: P1) AÑADIR EL MODELADO DE LA INCERTIDUMBRE A LOS MODELOS DE APRENDIZAJE PROFUNDO, PARA OBTENER NO SOLO UN RESULTADO PREDICTIVO, SINO TAMBIEN UNA MEDIDA DE CUAN CIERTO ESTA EL ALGORITMO; Y P2) INCORPORAREMOS TECNICAS DE MODALIDAD CRUZADA PARA VINCULAR INFORMACION DE DIFERENTES DOMINIOS Y MEJORAR LOS METODOS APRENDIZAJE PROFUNDO CON TODOS LOS DATOS DISPONIBLES,EL SUBPROYECTO 2 LIDERADO POR LA UOC TRABAJARA EN LA TERCERA PREGUNTA: P3) LA CONSIDERACION DE LA EXPLICABILIDAD PARA OBTENER INFORMACION SOBRE LA RAZON QUE HAY DETRAS DE CADA DECISION, PASANDO DEL PARADIGMA ACTUAL DE "CAJA NEGRA", INHERENTE EN LOS ENFOQUES DE APRENDIZAJE PROFUNDO, A UN PARADIGMA DE MODELOS EXPLICABLES, RESPONSABLES Y AUDITABLES,LOS MIEMBROS DE LOS DOS SUBPROYECTOS TRABAJARAN ESTRECHAMENTE PARA REALIZAR UNA INVESTIGACION CRUZADA Y SER CAPACES DE CREAR MODELOS EXPLICABLES, CON COTAS DE INCERTIDUMBRE EN SUS RESPUESTAS Y ADAPTABLES A LOS DISTINTOS DOMINIOS DE LOS DATOS, EN ESTE SUBPROYECTO PARTICULAR, APLICAREMOS LA TEORIA DESARROLLADA CONJUNTAMENTE EN ESTOS TRES TOPICOS A LOS SIGUIENTES PROBLEMAS: A) SEGMENTACION AUTOMATICA DE IMAGENES DE SENSORES REMOTOS, B) SEGMENTACION AUTOMATICA DE IMAGENES DE RESONANCIA MAGNETICA Y C) SEGMENTACION AUTOMATICA DE IMAGENES DE ULTRASONIDO INTRAVASCULAR PARA LA INTERVENCION CORONARIA GUIADA POR IMAGEN; MIENTRAS QUE LA UOC MODELARA LA PERCEPCION DE EMOCIONES EN EL FOCO DEL SUBPROYECTO 2, VISIÓN POR COMPUTADOR\DEEP LEARNING\REDES NEURONALES\INCERTIDUMBRE\ADAPTACIÓN DE DOMINIO\EXPLICABILIDAD\SEGMENTACIÓN\IMAGEN SATÉLITE\IMAGEN MÉDICA\CLASIFICACIÓN EMOCIONES

Conecta tu I+D

Entra hoy

¿Olvidé mi contraseña?

Financiación

Empresas

CTIs/Universidades

Proyectos

Investigadores