Hola,
¿eres nuevo aquí?

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

PID2021-125051OB-I00

Financiado

RECOLECCION DE DATOS VISUALES: PERMITIENDO LA VISION POR COMPUTADOR EN ESCENARIO...

RECOLECCION DE DATOS VISUALES: PERMITIENDO LA VISION POR COMPUTADOR EN ESCENARIOS CON DATOS DESFAVORABLES SE CONFIA EN LA VISION POR COMPUTADORA (CV) PARA LA REVOLUCION QUE EXISTE EN LA ACTUALIDAD DE LAS APLICACIONES DE INTELIGENCIA ARTIFICIAL (IA) BASADAS EN EL PROCESAMIENTO DE INFORMACION VISUAL. JUNTO CON EL CAMPO DE LA IA, CV ESTA... ver más

01/01/2021

UAM

117K€

Presupuesto del proyecto: 117K€

Líder del proyecto

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

Total investigadores 3182

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

0% 100%

Participantes

UAM

Lider

Proyectos interesantes

EIN2019-103240 DOCTORADO CONJUNTO EN TRATAMIENTO DE IMAGENES Y VISION ARTIF... 14K€ Cerrado

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

DI-14-07000 Análisis de expresiones faciales para el reconocimiento del... 65K€ Cerrado

TIN2012-39051 DESARROLLO DE LA HERMENEUTICA VISUAL EN LA INTERPRETACION DE... 91K€ Cerrado

TIN2016-74946-P UN MARCO DE VISION POR COMPUTADOR BASADO EN UN CICLO DE ANAL... 100K€ Cerrado

RTI2018-094645-B-I00 DETECCION AUTOMATICA CON HARDWARE DE BAJO COSTE DE ACTIVIDAD... 65K€ 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

UNIVERSIDAD AUTÓNOMA DE MADRID

Total investigadores 3182

Presupuesto del proyecto 117K€

Descripción del proyecto SE CONFIA EN LA VISION POR COMPUTADORA (CV) PARA LA REVOLUCION QUE EXISTE EN LA ACTUALIDAD DE LAS APLICACIONES DE INTELIGENCIA ARTIFICIAL (IA) BASADAS EN EL PROCESAMIENTO DE INFORMACION VISUAL. JUNTO CON EL CAMPO DE LA IA, CV ESTA EN AUGE ACTUALMENTE, SIENDO EL FOCO DE INICIATIVAS Y ESFUERZOS DE FINANCIACION SIN PRECEDENTES QUE APUNTAN A IMPULSARLA COMO UNA TECNOLOGIA TRANSFORMADORA. LAS PRINCIPALES RAZONES DE ESTE CRECIMIENTO EXPLOSIVO HAN SIDO EL DESARROLLO DE ESQUEMAS DE MACHINE LEARNING (PRINCIPALMENTE REDES NEURONALES CONVOLUCIONALES PROFUNDAS - CNNS) QUE ESTAN PERMITIENDO ALCANZAR TASAS DE EXITO SIMILARES A LAS HUMANAS EN PROBLEMAS QUE REQUIEREN EL ANALISIS DE INFORMACION VISUAL (P.E., DETECCION DE OBJETOS O SEGMENTACION SEMANTICA). DE HECHO, MULTITUD DE INFORMES (OCDE.ORG O LA COMISION EUROPEA) DECLARAN A LA IA COMO LA TECNOLOGIA DE PROPOSITO GENERAL (GPT) DE MAYOR IMPACTO EN LA ACTUALIDAD Y CONFIAN EN LA CV PARA LA REVOLUCION ACTUAL DE APLICACIONES BASADAS EN EL PROCESAMIENTO DE INFORMACION VISUAL.SIN EMBARGO, LA ADAPTACION DE LAS IDEAS EXISTENTES Y DE LOS MODELOS, METODOS Y PROCEDIMIENTOS DE APRENDIZAJE CANONICOS QUE LAS CODIFICAN A DOMINIOS ESPECIFICOS HAN REVELADO NUEVAS LIMITACIONES, PROBLEMAS Y DESAFIOS QUE PONEN EN PELIGRO SU PROMESA FUNDAMENTAL DE UNIVERSALIDAD Y, SI NO SE ATIENDEN, PUEDEN PONER EN RIESGO LOS DERECHOS DE LA SOCIEDAD PROTEGIDOS POR LA LEGISLACION DE LA UE.NUESTRO PRINCIPAL OBJETIVO ES REDUCIR LA ENORME DEPENDENCIA QUE TIENEN LA IA Y LOS ALGORITMOS DEEP CNN DE LA DISPONIBILIDAD DE DATOS DE ENTRENAMIENTO ANOTADOS. LOS DATOS SON LA CONDICION QUE HABILITAN LOS MODELOS DE CV EN LA ACTUALIDAD. A PESAR DE HABER RECIBIDO UNA ATENCION SUSTANCIALMENTE MENOR QUE LOS ALGORITMOS, METODOS O MODELOS, SE ESTAN HACIENDO CADA VEZ MAS ESFUERZOS PARA PROPORCIONAR REPOSITORIOS ACCESIBLES A GRAN ESCALA, POR EJEMPLO, FOMENTANDO EL ACCESO JUSTO A LOS DATOS Y EL INTERCAMBIO DE DATOS. CON RESPECTO A LA DISPONIBILIDAD DE DATOS ANOTADOS, DADO QUE LAS SOLUCIONES DE VANGUARDIA ACTUALES SE BASAN PRINCIPALMENTE EN ENFOQUES DE APRENDIZAJE SUPERVISADO, SU EXITO REQUIERE LA DISPONIBILIDAD DE GRANDES CONJUNTOS DE DATOS ANOTADOS POR HUMANOS (COMO IMAGENET) QUE DEPENDEN DE UNA GRAN CANTIDAD DE SUPERVISION EN TIEMPO Y ESFUERZO. ADEMAS, PARA ALGUNOS DOMINIOS SENSIBLES, COMO LOS ACCIDENTES DE TRAFICO, LAS ANOTACIONES Y EL CONTENIDO RARA VEZ ESTAN DISPONIBLES. ALGUNAS APLICACIONES REQUIEREN UNA ADICION CONTINUA DE DATOS O ANOTACIONES MIENTRAS SE MANTIENEN LOS PESOS DEL MODELO PREVIAMENTE ENTRENADOS, POR EJEMPLO, DEBIDO A LA INCLUSION DE TAREAS ADICIONALES O CLASES ADICIONALES PARA PREDECIR. ADEMAS, ESTOS SISTEMAS ASI ENTRENADOS GENERALMENTE SE ADAPTAN A UNA TAREA ESPECIFICA Y NO PUEDEN ADAPTARSE A OTRAS TAREAS SIN REENTRENAMIENTO. PARA HACER FRENTE A ESTOS PROBLEMAS, SE HA DEDICADO UN GRAN ESFUERZO DE INVESTIGACION A LOGRAR SISTEMAS QUE PUEDAN: MODELAR LOS PATRONES INTRINSECOS EN LOS DATOS SIN APROVECHAR (COMPLETAMENTE) EL ETIQUETADO HUMANO; ADAPTAR CONTINUAMENTE EL PROCESO DE APRENDIZAJE A LA DISPONIBILIDAD DE NUEVOS DATOS ADICIONALES; Y EXTRAPOLAR EL APRENDIZAJE DE INFORMACION UTIL UTILIZANDO CONJUNTOS DE DATOS SINTETICOS COMPLEMENTARIOS PARA LOS QUE SE PUEDE OBTENER UNA ANOTACION AUTOMATICA. EN ESTA DIRECCION, PROPONEMOS 1) EXPLORAR EL USO DE DATOS REALES EN AUSENCIA DE ANOTACIONES A TRAVES DE ENFOQUES NO SUPERVISADOS Y AUTO-SUPERVISADOS; Y 2) EXPLORAR LA CREACION Y USO DE DATOS SINTETICOS PARA COMPLEMENTAR EL PROCESO DE APRENDIZAJE. MAGE AND VIDEO PROCESSING\MODEL PROFILING\DOMAIN ADAPTATION\CURRICULUM LEARNING\SYNTHETIC DATA GENERATION\CONTINUAL LIFELONG LEARNING\NON-SUPERVISED AND SELF-SUPERVISED LEARN\DEEP LEARNING

Conecta tu I+D

Entra hoy

Financiación

Empresas

CTIs/Universidades

Proyectos

Investigadores