El profesor J. M. Buenaposada publica en el CVPR un artículo sobre la creación de imágenes de profundidad desde vídeos

El profesor del MOVA José Miguel Buenaposada, en colaboración con otros autores de la Universidad Carnegie Mellon, ha publicado en el CVPR 2018 este interesante artículo sobre la creación de imágenes de profundidad a partir de grabaciones de vídeo monocular.

Actualización del plan de estudios del MOVA

El MOVA actualiza su plan de estudios para adaptarse aún más a los nuevos temas que están irrumpiendo en el mundo de la Visión Artificial.

Como podrás comprobar en la página de horarios, la asignatura Reconocimiento de Patrones amplia su número de créditos (pasando de 3 a 6) para acomodar nuevos contenidos (técnicas avanzadas de Pattern Matching en general y de Deep Learning en particular).

Por otro lado, la asignatura de Fundamentos Matemáticos también duplica el número de créditos para acomodar la base matemática que hay tras estas nuevas técnicas de Pattern Matching, Deep Learning y Optimización.

Finalmente, algunas asignaturas se han cambiado de cuatrimestre para aprovechar los nuevos temas que aparecen. Así: “Aplicaciones Industriales” e “Imagen Médica” han pasado al segundo cuatrimestre, mientras que “Instrumentación para la Visión Artificial” y “Biometría Informática” han pasado al primero.

Como es pertinente, esta modificación ha sido evaluada favorablemente por la fundación para el conocimiento Madrid I+D.

Inicio del tercer periodo de preinscricpción

Hoy se inicia el tercer periodo de preinscripción en la Máster de Visión Artificial de la URJC, este periodo estará abierto hasta finales de Junio.

Si estás interesado en especializarte en el área de la visión artificial nuestro máster es tu oportunidad. Consulta nuestra sección de preguntas frecuentes o escríbenos con tus dudas.

Google vuelve a elegir JdeRobot para el GSoC

Este año Google ha vuelto a elegir JdeRobot para el Google Summer of Code 2018. En particular, Google financiará 6 estudiantes para trabajar en JdeRobot-Academy, el entorno docente que usamos en Visión en Robótica del MOVA y que hemos desarrollado aquí. Los alumnos hacen dos ejercicios de JdeRobot-Academy, por ejemplo controlar un Fórmula 1.

El MOVA participará en la jornada “los máster en la calle” el próximo miércoles 25 de Abril #mastersenlacalle

Con el objetivo de reivindicar la calidad de los másteres españoles, el próximo miércoles 25 de abril a las 11:00, una representación de los alumnos y profesores del MOVA acudirán al espacio habilitado en la Puerta del Sol de Madrid. En el acto se presentará nuestro máster, algunos alumnos contarán su experiencia estudiándolo y se contestarán todas las preguntas que quieran hacernos al respecto.

Solo quedan 15 días para que finalice el segundo periodo de preinscripción del MOVA

El próximo 3 de Mayo, dentro de 15 días, termina el segundo periodo de inscripción para el MOVA 2018/2019.

Alberto Pablo Trinidad, antiguo alumno del MOVA, acaba de recibir el primer premio del concurso de startups @SomosSanitas

Alberto Pablo Trinidad, egresado del Máster Oficial de Visión Artificial de la URJC, acaba de recibir el primer premio en el concurso de startups @SomosSanitas, como parte del equipo de Leuko.

Publicado el material de los seminarios MOVA celebrados en el mes de enero de 2018

Nos complace publicar de manera abierta el material de los seminarios impartidos durante el mes de enero de 2018. Dicho material incluye las diapositivas y el audio de la ponencia. Desde el MOVA agradecemos a los ponentes su publicación.

El 30 de abril concluye el plazo de búsqueda de una persona formada en imagen y deep learning para proyecto H2020 de la UAH

La Universidad de Alcalá ofrece un contrato a tiempo completo durante un año para trabajar en en un proyecto europeo en el marco H2020. El candidato deberá tener conocimientos en librerías de Deep Learning para construir algoritmos de segmentación semántica sobre imágenes de Rayos-X. Más información aquí.

Investigadores del MOVA en colaboración con ECOEMBES publican un método de clasificación de tipos de contenedores

Este trabajo propone una solución para el reconocimiento visual de clases de contenedores basado en deep learning. El sistema utiliza una red preentrenada de Google sobre un pequeño conjunto de muestra de imágenes y mediante aprendizaje semi supervisado es capaz de etiquetar el resto. Los resultados obtenidos están alrededor del 90% de precisión. Más detalles en este enlace al artículo, que ha sido publicado en la revista Neural Computng and Applications.