Hola,
¿eres nuevo aquí?

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

Tengo cuenta

Regístrate

Ver video

RTI2018-095232-B-C22

Financiado

MODELOS DE DEEP LEARNING CONSIDERANDO EXPLICABILIDAD Y INCERTIDUMBRE. APLICACION...

MODELOS DE DEEP LEARNING CONSIDERANDO EXPLICABILIDAD Y INCERTIDUMBRE. APLICACIONES A LA PERCEPCION EMOCIONAL. LA VISION POR COMPUTADOR (VC) HA EXPERIMENTADO CAMBIOS PROFUNDOS DURANTE LA ULTIMA DECADA, EL PARADIGMA DOMINANTE DE UNA REPRESENTACION DEL CONOCIMIENTO BASADA EN CARACTERISTICAS DISEÑADAS MANUALMENTE HA QUEDADO ATRAS, Y ACTUALMEN... ver más

01/01/2018

UOC

94K€

Presupuesto del proyecto: 94K€

Líder del proyecto

FUNDACIO PER A LA UNIVERSITAT OBERTA DE CATAL... No se ha especificado una descripción o un objeto social para esta compañía.

Sin perfil tecnológico

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

UOC

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

RTI2018-095232-B-C21 MAS ALLA DE LA PRECISION DE LOS MODELOS: INCERTEZA, EXPLICAB... 144K€ Cerrado

DeepFace Understanding Deep Face Recognition 2M€ Cerrado

TEC2015-68172-C2-1-P REDES PROFUNDAS Y MODELOS DE SUBESPACIOS PARA DETECCION Y SE... 100K€ Cerrado

PID2021-125051OB-I00 RECOLECCION DE DATOS VISUALES: PERMITIENDO LA VISION POR COM... 117K€ Cerrado

PID2019-106758GB-C32 APRENDIZAJE AUTOMATICO EXPLICABLE: UNA APROXIMACION PROBABIL... 81K€ Cerrado

TEC2015-68172-C2-2-P REDES PROFUNDAS Y MODELOS DE SUBESPACIOS PARA DETECCION Y SE... 74K€ Cerrado

Líder del proyecto

FUNDACIO PER A LA UNIVERSITAT OBERTA DE CATAL... No se ha especificado una descripción o un objeto social para esta compañía.

Sin perfil tecnológico

Presupuesto del proyecto 94K€

Descripción del proyecto LA VISION POR COMPUTADOR (VC) HA EXPERIMENTADO CAMBIOS PROFUNDOS DURANTE LA ULTIMA DECADA, EL PARADIGMA DOMINANTE DE UNA REPRESENTACION DEL CONOCIMIENTO BASADA EN CARACTERISTICAS DISEÑADAS MANUALMENTE HA QUEDADO ATRAS, Y ACTUALMENTE SE USAN MAYORITARIAMENTE TECNICAS DE DEEP LEARNING (DL) QUE APRENDEN LAS CARACTERISTICAS Y EL CLASIFICADOR DE FORMA CONJUNTA, ESTOS METODOS TIENEN MULTIPLES APLICACIONES SOCIALES Y EN PROBLEMAS DE NUESTRA VIDA DIARIA HAN LLEGADO A SER MAS PRECISOS QUE EL SER HUMANO, SON EJEMPLOS: EL RECONOCIMIENTO DE OBJETOS, LECTURA DE LABIOS, LA VIGILANCIA, EL RECONOCIMIENTO FACIAL O LOS SISTEMAS DE DIAGNOSIS MEDICA AUTOMATIZADA,DESGRACIADAMENTE, ESTOS METODOS NO PUEDEN SER APLICADOS CIEGAMENTE POR LAS CONSECUENCIAS DE SUS ERRORES, DOS EJEMPLOS PODRIAN SER LOS FALLOS EN APLICACIONES DE CONDUCCION AUTOMATICA (CON UN EJEMPLO RECIENTE EN TESLA), O EL ERROR DE ETIQUETAJE DE PERSONES DE GOOGLE PHOTOS, DONDE SE ETIQUETARON A DOS AFROAMERICANOS COMO GORILAS (CON SUS CONSECUENCIAS ETICAS), LOS METODOS DE DL REQUIEREN AUN DE MEJORAS NOTABLES,HEMOS DISEÑADO ESTE PROYECTO SOBRE LA BASE DE PREVIOS PROYECTOS CONJUNTOS (TIN2015-66951-C2 & 2-R), DONDE YA DESARROLLAMOS METODOS DE DL ROBUSTO, AHORA PROPONEMOS CONTINUARLOS EN TRES DIRECCIONES:1,- AÑADIR EL MODELADO DE LA INCERTIDUMBRE A LOS MODELOS DE DL, PARA OBTENER NO SOLO UN RESULTADO PREDICTIVO, SINO TAMBIEN UNA MEDIDA DE CUAN CIERTO ESTA EL ALGORITMO,2,- INCORPORAR MULTIPLES MODALIDADES DE DIFERENTES DOMINIOS PARA MEJORAR EL APRENDIZAJE,3,- CONSIDERAR LA EXPLICABILIDAD EN LOS MODELOS DE DL, OBTENIENDO NO SOLO UNA PREDICCION Y UN GRADO DE INCERTIDUMBRE, SINO TAMBIEN INFORMACION DEL PORQUE DE LA DECISION, DEJANDO DE VER LOS ALGORITMOS DE DL COMO CAJAS NEGRAS, Y TENIENDO MODELOS MAS EXPLICABLES Y AUDITABLES,NO CENTRAMOS LA EXPERIENCIA DE LOS DOS EQUIPOS DEL PROYECTO EN PROFUNDIZAR SEPARADAMENTE EN ESTOS TRES TOPICOS, SINO EN COMBINARLA PARA TRABAJAR LA INTERACCION DE LOS MODELOS DE INCERTIDUMBRE, ADAPTACION DE DOMINIO Y EXPLICABILIDAD,EN ESTE SUBPROYECTO PARTICULAR, APLICAREMOS LA TEORIA DESARROLLADA CONJUNTAMENTE EN ESTOS TRES TOPICOS AL PROBLEMA DE LA CLASIFICACION AUTOMATICA DE EMOCIONES, LOS ALGORITMOS DE DL REQUIEREN MUCHOS DATOS ETIQUETADOS PARA FUNCIONAR, QUE SON MUY COSTOSOS DE ADQUIRIR SI REQUIEREN DE ANOTACION EXPERTA (PSICOLOGOS), SIN EMBARGO, DISPONEMOS DE INFINIDAD DE DATOS NO ETIQUETADOS DONDE APARECEN EMOCIONES (PELICULAS, INTERNET, ETC,), Y EN DISTINTAS MODALIDADES (SONIDO, IMAGEN, VIDEO,,,,), PLANTEAMOS USAR LOS MODELOS DE INCERTIDUMBRE DENTRO DE UN PROTOCOLO DE APRENDIZAJE ACTIVO CON GRAN CANTIDAD DE DATOS NO ETIQUETADOS, PARA SU USO DE FORMA SEMI-SUPERVISADA, ADEMAS, PROPONEMOS APROVECHAR AL MAXIMO LAS MODALIDADES COMPLEMENTARIAS DISPONIBLES (EN ESPECIAL AUDIO Y VIDEO) USANDO METODOS DE ADAPTACION DE DOMINIO, FINALMENTE, EL PROYECTO PLANTEA USAR MEDIDAS DE EXPLICABILIDAD PARA ENTENDER QUE PARTES DE LA IMAGEN (EXPRESION FACIAL, CONTEXTO, POSE) INTERVIENEN EN LA PERCEPCION EMOCIONAL, Y DIRIGIR ASI UNA COMBINACION DE CLASIFICADORES LOCALES, ESPERAMOS QUE LOS RESULTADOS DE ESTE PROYECTO TENGAN UN IMPACTO EN LAS COMPARATIVAS INTERNACIONALES Y EN APLICACIONES QUE PERMITAN UN RETORNO A LA SOCIEDAD, 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