Propuestas de Tesis
Título: Segmentación Automática de Imágenes de Dosel del Bosque de Lengas (Parque Nacional Los Alerces, Esquel)
Palabras claves: Registración, Segmentación, Deep Learning, Weakly Labeled
Responsable: Dr. Gastón Diaz (CIEFAP, Esquel), Dr. Enzo Ferrante (sinc(i)-UNL, Santa Fe), Dr. Pablo Negri (ICC-UBA, CABA)
Descripción: El objetivo de la tesis es la implementación de un sistema automático de codificación de rasgos faciales que permita optimizar los algoritmos de reconocimiento de rostros. Las tareas a llevar a cabo involucran el desarrollo y evaluación de clasificadores no-supervisados para el agrupamiento (clustering) de descriptores, usando arquitecturas de aprendizaje profundo (Deep Learning).
Requisitos conocimientos y experiencia en visión artificial, procesamiento de imágenes, y sistemas de aprendizaje automático. Idioma de programación Python.
Los interesados deben enviar un analítico y currículum al Dr. Pablo Negri (pnegri@dc.uba.ar)
Título: Codificación Automática de Rasgos Faciales
Palabras claves: Face Recognition, Clustering, Deep Learning, Unsupervised Learning
Responsable: Dr. Pablo Negri (ICC-UBA)
Descripción: El objetivo de la tesis es la implementación de un sistema automático de codificación de rasgos faciales que permita optimizar los algoritmos de reconocimiento de rostros. Las tareas a llevar a cabo involucran el desarrollo y evaluación de clasificadores no-supervisados para el agrupamiento (clustering) de descriptores, usando arquitecturas de aprendizaje profundo (Deep Learning).
Requisitos: Conocimientos y experiencia en sistemas automáticos de aprendizaje. Programación en Python.
Los interesados deben enviar un analítico y currículum al Dr. Pablo Negri (pnegri@dc.uba.ar)
Título: Análisis de Sesgo de Modelos y Datasets en Poblaciones de Alta Diversidad: Aplicación al Reconocimiento de Rostros
Palabras claves: Cámaras por Eventos, Spiking Neural Networks, Machine Learning, Secuencias de Datos.
Responsable: Dr. Pablo Negri (ICC-UBA)
Descripción: La tesis tiene como objetivo generar un análisis crítico del sesgo en resultados de modelos de reconocimiento de rostros frente a la diversidad de género y étnica. Durante la tesis se van a estudiar los desvíos en performance que estos sistemas pueden poseer al identificar por ejemplo personas del sexo masculino y femenino. También se extiende al reconocimiento de tipo étnico. La metodología consistirá en desarrollo y la implementación de herramientas que expliquen las predicciones de los clasificadores profundos.
Requisitos: Conocimientos y experiencia en sistemas automáticos de aprendizaje. Programación en Python.
Los interesados deben enviar un analítico y currículum al Dr. Pablo Negri (pnegri@dc.uba.ar)
Título: Algoritmos de Reconocimiento de Eventos Temporales: Aplicación al Lenguaje Gestual con Cámaras Neuromórficas
Palabras claves: Cámaras por Eventos, Spiking Neural Networks, Machine Learning, Secuencias de Datos
Responsable: Dr. Pablo Negri (ICC-UBA)
Descripción: La tesis está enfocada al desarrollo de metodologías de reconocimiento de secuencias temporales utilizando una arquitectura denominada Spiking Neural Networks. Este tipo de redes neuronales poseen la particularidad de trabajar con un modelo dinámico biológicamente inspirado y la utilización de la información temporal. El objetivo de la tesis es el desarrollo de metodologías de aprendizaje automático de secuencias de datos temporales, más específicamente, reconocimiento del lenguaje gestual capturados por una cámara neuromórfica.
Requisitos: Conocimientos y experiencia en sistemas automáticos de aprendizaje. Programación en Python.
Los interesados deben enviar un analítico y currículum al Dr. Pablo Negri (pnegri@dc.uba.ar)