Descripción del proyecto
HOY EN DIA, LA VISION ARTIFICIAL SE APLICA A UNA GRAN CANTIDAD DE SOLUCIONES COMPUTACIONALES, ES COMUN EN UNA AMPLIA VARIEDAD DE PRODUCTOS Y PROCESOS INDUSTRIALES, TALES COMO: COCHES AUTONOMOS, DRONES, ROBOTS, CIUDAD INTELIGENTE E INDUSTRIA 4,0, NECESITAMOS DISPOSITIVOS HARDWARE POTENTES Y ROBUSTOS QUE PERMITAN UNA GRAN CAPACIDAD COMPUTACIONAL Y DE ALMACENAMIENTO PARA LLEVAR A CABO UN APRENDIZAJE AUTOMATICO UTILIZANDO GRANDES VOLUMENES DE DATOS, ESTE REQUISITO CONLLEVA UN ALTO COSTO DE ENERGIA, QUE A VECES NO ES FACIL DE ABORDAR, LA TENDENCIA ACTUAL ES EVOLUCIONAR, TANTO EN HARDWARE COMO EN SOFTWARE, HACIA SISTEMAS ENERGETICAMENTE EFICIENTES, LA ULTIMA DECADA HA VISTO UN CAMBIO DE PARADIGMA EN LA CODIFICACION NEURONAL, ACTUALMENTE ESTA AMPLIAMENTE ACEPTADO QUE EL PROCESAMIENTO TEMPORAL MEDIANTE PULSOS (SPIKES) ABRE NUEVAS VIAS DE INVESTIGACION EN LA COMPUTACION NEURONAL,LAS REDES DE NEURONAS PULSANTES (SPIKE NEURAL NETWORKS, SNN) SE CONOCEN COMO LA TERCERA GENERACION DE REDES NEURONALES, INSPIRADAS EN EL FUNCIONAMIENTO DEL CEREBRO Y, GRACIAS A LOS AVANCES RECIENTES EN NEUROCIENCIAS, PERMITEN MODELAR DE FORMA PRECISA Y ROBUSTA LAS INTERACCIONES SINAPTICAS ENTRE LAS NEURONAS BIOLOGICAS, TENIENDO EN CUENTA EL MOMENTO DEL DISPARO DE LOS PICOS, LAS SNN SUPERAN LA POTENCIA COMPUTACIONAL DE LAS REDES NEURONALES CONVENCIONALES, BASADAS EN EL PROCESAMIENTO DINAMICO POR EVENTOS, ABREN NUEVOS HORIZONTES PARA DESARROLLAR MODELOS CON UNA CAPACIDAD EXTRAORDINARIA DE ALMACENAMIENTO Y DE RAPIDA ADAPTACION, COMO IMITAN EL COMPORTAMIENTO REAL DE LAS NEURONAS, PERMITEN UN CALCULO MASIVAMENTE PARALELO DE BAJO CONSUMO, QUE ES MUY ADECUADO PARA LA COMPUTACION INTEGRADA, LA APLICACION DE SNN A LA VISION ARTIFICIAL ES ESPECIALMENTE INTERESANTE, A PESAR DE LAS DIFERENTES CONFIGURACIONES DEL OJO SEGUN LA ESPECIE, ESTE POSEE UN AREA PEQUEÑA DE ALTA RESOLUCION (LA FOVEA) Y UN AREA MUCHO MAS GRANDE DE VISION PERIFERICA DE MUY BAJA RESOLUCION QUE, COMBINADAS, TIENEN UNA GRAN SENSIBILIDAD AL MOVIMIENTO, LOS SISTEMAS DE VISION BIOLOGICA EMULAN ESTE COMPORTAMIENTO, MUESTREANDO LA ESCENA CONTINUAMENTE, CON UNA RESOLUCION NO SIEMPRE UNIFORME, Y GENERANDO EVENTOS EN RESPUESTA A LOS CAMBIOS EN LA ESCENA, LOS PATRONES ESPACIO-TEMPORALES RESULTANTES DE LOS EVENTOS SON, POR LO TANTO, IDEALES PARA EL PROCESAMIENTO DE SNN,LOS RECIENTES AVANCES EN DISPOSITIVOS BASADOS EN EVENTOS JUNTO CON SU GRAN POTENCIA, CONSIDERANDO EL FACTOR TIEMPO, HACEN DE LAS SNN UN OBJETIVO DE INVESTIGACION PRIORITARIO DE VANGUARDIA,EL OBJETIVO PRINCIPAL DE ESTE PROYECTO ES CONSTRUIR UN SISTEMA COMPUESTO POR UNA CAMARA NEUROMORFICA BASADA EN EVENTOS, CONECTADA A UN SISTEMA DE PROCESAMIENTO DE DATOS DE ALTA VELOCIDAD Y BAJO CONSUMO DE ENERGIA, LA INCORPORACION DE TECNICAS CONSOLIDADAS DE NOTABLE EXITO, COMO LOS ENFOQUES DE APRENDIZAJE PROFUNDO ASI COMO SUPERVISADO Y NO-SUPERVISADO, JUNTO CON SU EFICIENCIA ENERGETICA, LAS HACE IDEALES PARA EL DESARROLLO DE TECNICAS DE PROCESAMIENTO AVANZADAS ORIENTADAS A IMPLEMENTACIONES REALES A NIVEL DE LA INDUSTRIA, EL EQUIPO DE NEMOVISION HA REALIZADO MUY RELEVANTES CONTRIBUCIONES EN APRENDIZAJE AUTOMATICO Y VISION ARTIFICIAL, Y POSEE UNA AMPLIA EXPERIENCIA DE TRANSFERENCIA AL SECTOR INDUSTRIAL, PARTICIPANDO EN PROYECTOS PARA EL DESARROLLO E IMPLEMENTACION DE PROCESOS DE VISION ARTIFICIAL, BIG DATA E INDUSTRIA 4,0, CON EMPRESAS LIDERES EN EL SECTOR AERONAUTICO Y NAVAL A NIVEL MUNDIAL, LO CUAL LE HABILITAN PARA LA CONSECUCION PLENA DE LOS OBJETIVOS AQUI MARCADOS, SISTEMAS NEUROMORFICOS\REDES NEURONALES PULSANTES\VISION ARTIFICIAL\APRENDIZAJE AUTOMATICO\APRENDIZAJE PROFUNDO\SENSORES BASADOS EN EVENTOS