Login

Proyecto

2017/YERUN/02 (SOFDL) : Segmentación Objeto-Fondo basado en técnicas de aprendizaje automático Deep Learning (2017-2018)

Este proyecto se enmarca en el área de Tecnologías de la Información y de las Comunicaciones y se
centra en la segmentación automática objeto-fondo (object-background segmentation) basada en
aproximaciones de aprendizaje automático e información deep learning en secuencias de video. Una
segmentación de la escena en dos clases (objeto y fondo) asegurando que ningún objeto o parte del
objeto será clasificado incorrectamente como fondo es deseable para muchas aplicaciones de visión
por ordenador, como video-seguridad, sistemas de ayuda a la conducción, biometría, robótica y
medicina. Este tipo de segmentación es útil no sólo como una etapa de pre procesado para identificar
las zonas de la escena de interés o no, pero también para otros procesos de análisis de video como
seguimiento de objetos o estimación de la densidad de los mismos en la escena. Por otro lado, el
campo del aprendizaje automático ha tenido un gran crecimiento recientemente debido al paradigma
deep learning que obtiene abstracciones de alto nivel sobre un conjunto de datos para realizar un
razonamiento similar al cerebro humano. Su efectividad queda demostrada por su uso en varios
dominios (reconocimiento de voz, procesado del lenguaje natural y aplicaciones médicas) y ha sido
adoptada por empresas tecnológicas como tecnología principal en sus sistemas comerciales (p.e.
Google, Facebook, Microsoft, Baidu)
Financiado por: UAM-Banco Santander (Red Yerun)
Participantes: Universidad Autonoma de MAdrid (UAM)
Investigador responsable: Garcia-Martin, Alvaro
Investigadores: Bescós Cano, Jesús, Escudero Viñolo, Marcos, Martin Nieto, Rafael, Martinez Sanchez, Jose María, Ortego Hernandez, Diego, SanMiguel Avedillo, Juan Carlos
Enlace Web: 2017/YERUN/02 (SOFDL)

Publicaciones Externas:

Revistas