Torna ai risultati della ricercaBando per assegno di ricerca
| Titolo del progetto di ricerca in italiano | Tecniche di transfer learning e domain adaptation per applicazioni industriali del deep learning |
|---|---|
| Titolo del progetto di ricerca in inglese | Transfer Learning and Domain Adaptation for Industrial Deep Learning |
| Campo principale della ricerca | Engineering |
| Sottocampo della ricerca | Computer engineering |
| Settore Concorsuale | 09 - Ingegneria industriale e dell'informazione |
| S.S.D | - |
| Descrizione sintetica in italiano | The research activity will concern deep learning, in particular transfer learning and domain adaptation for industrial applications. Attention will be devoted to a novel learning framework proposed by DISI in a 2019 ICCV publication. This proposal sets forth a novel joint domain and task adaptation framework which allows for transferring knowledge (i.e. deep convolutional features) among different visual tasks with limited supervision, indeed no supervision at all for the target task. The goal of the project is to develop a “model transfer” framework for convolutional neural networks which would allow to minimize the cost of training a new model in a new industrial scenario, where the scenario may be different due to either a task or domain change or both. |
| Descrizione sintetica in inglese | L’attività di ricerca si svolgerà nell’ambito del Deep Learning e sarà focalizzata sullo sviluppo di tecniche di transfer learning e domain adaptation adatte ad applicazioni industriali. Particolare attenzione sarà prestata ad un nuovo framework di domain e task adaptation proposto dal DISI in un articolo scientifico del 2019. Tale framework, difatti, appare potenzialmente interessante in relazione a scenari applicativi in ambito industriale in quanto, per la prima volta in letteratura, consente di trasferire conoscenza fra task visuali differenti senza necessità di piena supervisione per tali task. L’obiettivo del progetto è definire un nuovo framework di “model transfer” per reti neurali convoluzionali adatto a mimizzare il costo dell’addestramento di un modello in un nuovo scenario applicativo che implichi un cambio sia di task sia di dominio sia di entrambi. |
| Data del bando | 10/03/2020 |
| Paesi in cui può essere condotta la ricerca |
Italy |
| Paesi di residenza dei candidati |
All |
| Nazionalità dei candidati |
All |
| Sito web del bando | https://bandi.unibo.it/ricerca/assegni-ricerca |
| Destinatari dell'assegno di ricerca (of target group) |
Early stage researcher or 0-4 yrs (Post graduate) |
|---|---|
| Criteri di selezione in italiano (breve descrizione) | il bando e la modulistica per partecipare alla procedura di valutazione comparativa sono disponibili all'indirizzo: https://bandi.unibo.it/ricerca/assegni-ricerca |
| Criteri di selezione in inglese (breve descrizione) | to apply for research grants fill out the form available at the following address: https://bandi.unibo.it/ricerca/assegni-ricerca |
| Nome dell'Ente finanziatore | ALMA MATER STUDIORUM - UNIVERSITA' DI BOLOGNA - - DIPARTIMENTO DI INFORMATICA - SCIENZA E INGEGNERIA |
|---|---|
| Tipologia dell'Ente | Public research |
| Paese dell'Ente | Italy |
| Città | Bologna |
| Sito web | http://www.unibo.it |
| marco.difelice3@unibo.it |
| L'assegno finanziato/cofinanziato attraverso un EU Research Framework Programme? | No |
|---|
| Data di scadenza del bando | 31/03/2020 - alle ore 00:00 |
|---|---|
| Come candidarsi | Other |