Torna ai risultati della ricercaBando per assegno di ricerca
| Titolo del progetto di ricerca in italiano | addrestramento di reti neurali profonde da dati sintetici |
|---|---|
| Titolo del progetto di ricerca in inglese | Synthetic Deep Learning |
| Campo principale della ricerca | Computer science |
| Sottocampo della ricerca | Informatics |
| Settore Concorsuale | 09 - Ingegneria industriale e dell'informazione |
| S.S.D | ING-INF/05 - SISTEMI DI ELABORAZIONE DELLE INFORMAZIONI |
| Descrizione sintetica in italiano | Questa attivita' di ricerca richiede la progettazione e l'implementazione di algoritmi di deep learning per il riconoscimento di oggetti e attivita' a partire da immagini ottenute dati creati artificialmente mediante software pre-esistenti di computer grafica. L'attivita' consistera' nella creazione di database sintetici per i riconoscimento di oggetti da immagini 2D, 2,5D e 3D, e per il riconoscimento di persone riprese da telecamere di sorveglianza in ambienti ad accesso limitato e sorvegliato. Tali dati verranno poi impiegati per sviluppare architetture di deep learning capaci di ottenere risultati robusti e generali su dati reali, sfruttando appieno le caratteristiche specifiche dei dati sintetici. L'attivita' richiede una conoscenza profonda di algoritmi di apprendimento statistici, calcolo delle probabilita' e teoria dell'apprendimento, nonche' dei metodi moderni per l'apprendimento da architetture di tipo deep learning. |
| Descrizione sintetica in inglese | This research activity requires modeling and implementing deep learning algorithms for object and activity recognition starting from images and perceptual data generated synthetically through existing computer graphics tools. The activity will consist in the creating of 2D, 2,5D and 3D synthetic databases for object and human activities recognition in the re-identification framework. These data will then be used to develop deep learning architectures able to achieve robust and general results on real data while being able to leverage over the specific features of synthetic data. The activity requires a deep knowledge of statistical learning, probability and learning theory, as well as modern methods fro deep learning. Moreover the activity requires a strong prior experience in Cuda and in computer vision, as well as the ability to use modern statistical tool for the analysis of experiments. |
| Data del bando | 13/10/2016 |
| Numero di assegnazioni per anno | 1 |
| Stanziamento annuale (indicativo) | 20600 |
| Periodicità | 12 mesi |
| E' richiesta mobilità internazionale? | yes |
| Paesi in cui può essere condotta la ricerca |
Italy |
| Paesi di residenza dei candidati |
EUROPE |
| Nazionalità dei candidati |
EUROPE |
| Sito web del bando | http://www.dis.uniroma1.it/ |
| Destinatari dell'assegno di ricerca (of target group) |
Early stage researcher or 0-4 yrs (Post graduate) |
|---|---|
| Il contratto prevede la copertura delle prestazioni sociali? | no |
| Importo annuale | 20600 |
| Valuta | Euro |
| Comprende lo stipendio dell'assegnista | yes |
| Comprende vitto e spese di viaggio | no |
| Comprende il costo della ricerca | no |
| Nome dell'Ente finanziatore | UNIVERSITA' DI ROMA LA SAPIENZA |
|---|---|
| Tipologia dell'Ente | Public research |
| Paese dell'Ente | Italy |
| Città | ROMA |
| Codice postale | 00185 |
| Indirizzo | VIA ARIOSTO, 25 |
| Sito web | http://www.dis.uniroma1.it/ |
| pecdis@cert.uniroma1.it | |
| Telefono | 0677274139 |
| L'assegno finanziato/cofinanziato attraverso un EU Research Framework Programme? | Fp7/Other |
|---|
| Data di scadenza del bando | 12/11/2016 - alle ore 00:00 |
|---|---|
| Come candidarsi | pecdis@cert.uniroma1.it |