[Todos CMAT] Fwd: Oferta de doctorado en el área de aprendizaje profundo

Diego Armentano diego en cmat.edu.uy
Mar Ene 16 13:54:45 -03 2018


Reenvío información sobre beca de doctorado en el área de Deep Learning en
procesamiento de imágenes.
Saludos,
 Diego

---------- Mensaje reenviado ----------
De: Mauricio Delbracio <mdelbra en fing.edu.uy>
Fecha: 16 de enero de 2018, 11:03
Asunto: Oferta de doctorado en el área de aprendizaje profundo
Para: Paola Bermolen <paola en fing.edu.uy>, lorena etcheverry <
lorenae en fing.edu.uy>, Ernesto Mordecki <mordecki en cmat.edu.uy>, Diego Garat <
dgarat en fing.edu.uy>, Guillermo Moncecchi <gmonce en fing.edu.uy>, Diego
Armentano <diego en cmat.edu.uy>, Marcelo Fiori - IIE - IMERL <
mfiori en fing.edu.uy>, Santiago Castro - InCo <sacastro en fing.edu.uy>, Matias
Di Martino <matiasdm en fing.edu.uy>


Rogamos dar difusión entre potenciales interesados.

Estamos buscando estudiantes de Doctorado para trabajar en el área de
Deep Learning en procesamiento de imágenes. Contamos con una beca de
Doctorado de la ANII para un buen candidato.

*Requerimientos:* Formación en ciencias de la computación y/o matemática
aplicada (egresados de ingeniería eléctrica, ingeniería en
computación, licenciatura en matemática). Se valorará conocimientos en
aprendizaje automático, análisis de datos, procesamiento de señales.

Abajo más información.

Interesados contactarse a: mdelbra en fing.edu.uy o pmuse en fing.edu.uy

Saludos,

Mauricio Delbracio
Pablo Musé


**Aprendizaje Profundo para la restauración eficiente de imágenes y videos**

La popularización de los dispositivos de captura de imágenes digitales
ha llevado a que millones de imágenes sean adquiridas y compartidas
continua e instantáneamente. Aunque su calidad ha mejorado
significativamente, persisten problemas fundamentales como el ruido,
la resolución limitada o la borrosidad  por movimiento de la cámara
durante capturas en baja luz. El mejoramiento de imágenes tiene
implicancias prácticas en áreas vinculadas al desarrollo productivo,
la seguridad, la investigación científica, además del posible fin
comercial en sí mismo.

Recientemente ha surgido un nuevo paradigma de restauración de
imágenes en base a técnicas de aprendizaje automático profundo,
impulsado por el gran volumen de datos existentes. Si bien los
resultados son en general de muy buena calidad, su desempeño es muy
variable y dependiente de cada caso. Esto se explica en cierta medida
por no incorporar un modelo de formación de imagen, y aprender
directamente una transformación no lineal entre una entrada de baja
calidad y una salida de alta calidad, basándose en un enorme número de
ejemplos. Esto requiere ajustar un muy elevado número de parámetros
trayendo aparejado tiempos de entrenamiento muy extensos.

Este proyecto busca integrar modelos físico-matemáticos de formación
de imagen en el marco del aprendizaje profundo. Esta integración ha
sido poco explorada a pesar de tener potencialmente dos beneficios
significativos: mayor eficiencia vinculada a la reducción de la
complejidad computacional y mayor robustez debido a las restricciones
físicas impuestas por los modelos; un entendimiento más profundo del
problema en términos del modelado matemático.

Estos conceptos se verán concretados en el diseño, implementación y
validación de técnicas novedosas que permitan corregir la borrosidad y
aumentar la resolución en imágenes y videos digitales. Se buscará que
las mismas sean robustas a diferentes condiciones de adquisición, y
maximicen la calidad de la restauración asegurando la eficiencia en la
utilización de recursos.

Acá pueden ver una lista de artículos relacionados a la temática del
doctorado:

https://github.com/mdelbra/deep-imaging



-- 
Diego Armentano
diego en cmat.edu.uy <diegoax en gmail.com>
http://www.cmat.edu.uy/~diego/
2 525 25 22 (109)
------------ próxima parte ------------
Se ha borrado un adjunto en formato HTML...
URL: <http://listas.cmat.edu.uy/pipermail/todos/attachments/20180116/893077b5/attachment.html>


Más información sobre la lista de distribución Todos