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.

El MOVA en el Tech Fest 2018

El MOVA presenta en el Tech Fest su oferta de Máster para el 2018, recorriendo los diversos temas que se abordan en el temario y su aplicación en el mundo actual y futuro.

Investigadores del MOVA publican un artículo sobre un nuevo algoritmo de Boosting multiclase que minimiza el coste de los errores. La aplicación a la detección de objetos en imágenes es directa.

El trabajo, entre cuyos autores está el profesor José Miguél Buenapoasada, presenta un nuevo algoritmo de Boosting multiclase que minimiza el coste de los errores. Esta herramienta, la matriz de costes, permite modificar las fronteras entre clases con respecto a un clasificador que minimiza el error. La aplicación a la detección de objetos en imágenes es directa. Más detalles en la revista Pattern Recognition en la que ha sido publicado.

Curso gratuito de introducción a la Investigación en Óptica

Joaquín Campos, Vicedirector Técnico en el CSIC, nos informa de la celebración del Curso gratuito de Introducción a la Investigación en Óptica que se celebrará a principios de abril en el Instituto de Óptica. El plazo de inscripción finaliza el día 5 de marzo. Más información aquí.

Investigadores del MOVA publican un artículo sobre el uso de redes de neuronas para el reconocimiento de gestos y actividades

Los investigadores del MOVA Juan C. Núñez, Raúl Cabido, Juan J. Pantrigo, Antonio S. Montemayor y José F. Vélez, han publicado un artículo en el que se aborda el problema del reconocimiento de actividades humanas y gestos realizados con la mano, utilizando un modelo alámbrico 3D. Para ello, se utiliza un método basado en estrategias de aprendizaje profundo que hibrida redes neuronales convolucionales y redes recurrentes de tipo LSTM. Los resultados obtenidos son comparables a los del estado del arte en el problema considerado. Más detalles aquí.