Debido al COVID-19 este año organizaremos los Seminarios de Visión del Máster Universitario en Visión Artificial de la URJC online. Para ello utilizaremos la herramienta de vídeo conferencia Microsoft Teams (disponible en múltiples plataformas incluyendo GNU/Linux).
Los enlaces a las salas de vídeo conferencia concretas se podrán encontrar en la página de seminarios de 2021.
Y los seminarios planificados se pueden mirar en este cartel.
¡Esperamos que os parezcan interesantes!
En Gavab estamos buscando un ayudante de investigación para desarrollar modelos de visión artificial basados en aprendizaje profundo para tareas de visión artificial en el contexto de la escritura manuscrita.
Estamos buscando una persona con un grado universitario o un máster relacionado con la informática o las matemáticas y con interés en la visión artificial.
El contrato sería por 2 años, con un sueldo bruto de 1,465€ al mes y estaría vinculado a una ayuda ya concedida de la Comunidad de Madrid. Dicha convocatoria específica que la persona contratada no puede estar cursando estudios, ni tener más de 30 años, ni estar contratada actualmente por la Universidad Rey Jan Carlos.
El contrato se iniciaría a mediados de febrero. El horario sería flexible, cumpliendo 39 horas semanales. El lugar de trabajo sería el campus de Móstoles de la Universidad Rey Juan Carlos, aunque los 6 primeros meses se podría teletrabajar varios días a la semana.
Los interesados deben inscribirse en el Sistema de garantía juvenil y luego en la aplicación de la URJC (ver la correspondiente a José F. Vélez).
DESCRIPCIÓN
Somos una startup española que está desarrollando un plataforma de Inteligencia Artificial para la monitorización y alerta temprana sobre sucesos relacionados con la calidad de agua en su medio natural, ecosistemas fluviales y/o marinos.
Disponemos de una arquitectura Big Data que recolecta millones de datos y permite generar alertas basadas en nuestros modelos neuronales de Visión Artificial y Deep Learning. Hemos diseñado un sistema electrónico propio (hardware IoT) para la sensorización en tiempo real de los principales parámetros fisicoquímicos del agua.
Con sólo una foto del agua nuestro sistema permite conocer su nivel de contaminación y desencadenar acciones correctivas y preventivas.
Estamos plenamente convencidos de que salvar la tierra y de que cuidar el agua dulce protege el medio ambiente y contribuye a la sostenibilidad del planeta; y somos férreos defensores de la utilización de la innovación y la empatía como herramienta primordial para mejorar este mundo.
Funciones:
Buscamos conocimientos prácticos demostrables en:
Contacto:
Oferta de contrato predoctoral en el marco del Programa de ayudas para contratos predoctorales para la formación de doctores (FPI 2020) del Ministerio de Ciencia e Innovación.
El contrato está asociado al proyecto: Artificial Intelligence and Robotic Mobile PLAtforms to Improve Disabled People INdependencE (AIRPLANE). Financiado en la convocatoria “Retos de Investigación 2019”, con referencia PID2019-104323RB-C31.
La tesis doctoral se centrará en el desarrollo nuevas soluciones de navegación visual y de anticipación de acciones para plataformas robóticas dedicadas a la atención de personas con diversidad funcional.
El objetivo principal del estudiante de doctorado será ir más allá del estado del arte en: 1) el desarrollo de soluciones de navegación visual con Deep Reinforcement Learning, que sean capaces de generalizar eficientemente; 2) el diseño de modelos de detección de acciones online y de generación de subtítulos o descripciones en vivo.
El estudiante se integrará en el grupo de investigación GRAM de la UAH, bajo la supervisión del Prof. Roberto J. López-Sastre. Se espera que haga al menos 2 estancias de investigación (3 meses cada una) en algunas instituciones internacionales con las que colaboramos en el proyecto: TUDelft (supervisado por el Prof. Jan van Gemert) y/o Adobe US (supervisado por el Doctor Fabian Caba).
Requisitos de los solicitantes:
Los interesados deben contactar por correo electrónico con Roberto J. López-Sastre (robertoj.lopez@uah.es), indicando en el asunto Solicitud FPI 2020, adjuntando un breve CV.
Fecha límite: 21 del 10 de 2020.
Debido al aumento de casos COVID-19 en Madrid, desde el MUVA hemos considerado prudente impartir todas las clases en remoto (incluyendo la primera semana en la que queríamos conocernos todos en persona). Esperemos que la situación se normalice en algún momento y podamos vernos todos. Para cualquier problema al respecto contactar con el director del máster a través de la página del máster.
El artículo «Cascade of encoder-decoder CNNs with learned coordinates regressor for robust facial landmarks detection» (acceso libre por 50 días al paper aquí) aplica una cascada de dos redes enconder-decoder y una capa especial que aprende a extraer las coordenadas de cada landmark a partir de los heapmaps (un mapa de probabilidad de la posición por cada landmak) que son la salida de la cascada de redes. Esta nueva capa unida a una forma especial de entrenamiento obtienen el estado del arte en una base de datos complicada como WFLW (ver CHR2C).
El código para probar los modelos entrenados de detección de landmark faciales está disponible en github. Si usas el código y te ha parecido útil, por favor, coloca una estrella en github.
La noticia se puede encontrar aquí.
Máster Universitario en Visión Artificial de la URJC (MUVA):
(11ª Edición – En español y en Madrid).
El segundo plazo de preinscripción: 1 de junio hasta el 13 de julio. Puedes encontrar información sobre todo el proceso en nuestra web y en la web de la urjc.
¿Por qué elegir nuestro máster? La Inteligencia Artificial (IA) está revolucionando la informática y cuando se habla de IA muchas veces se trata de problemas de procesamiento de imágenes o sonidos (p.ej. #deepfakes o medir el recorrido de un jugador de fútbol). La Visión Artificial #computervision, consiste en la extracción automática de información de imáges y su uso en aplicaciones. Desde hace 6 o 7 años las redes de neuronas artificiales con el #deeplearning han vuelto para quedarse con impresionates éxitos (p.ej. #selfdrivingcars). En nuestro máster aprenderás estas técnicas de #machinelearning y #deeplearning aplicadas a imáges y herramientas software como #opencv o #tensorflow. Los profesores son investigadores en imagen médica, robótica, análisis facial, biometría, etc. con lo que recibirás una sólida formación teórica con mucho énfasis en la parte práctica programando en #python.
Se ha publicado en Pattern Recognition Letters este mes de mayo:
BEBLID: Boosted efficient binary local image descriptor. Iago Suárez, Ghesn Sfeir, José M. Buenaposada, Luis Baumela. Pattern Recognition Letters. Volume 133, May 2020, Pages 366-372.
Lo bueno es que es tan rápido como ORB y tiene mucho mejores resultados de matching en HPatches. El código está disponible y es compatible con los descriptores de OpenCV y es especialmente interesante en móviles.