Torna ai risultati della ricercaBando per assegno di ricerca
| Titolo del progetto di ricerca in italiano | Tecniche di deep learning per l’analisi automatica di point cloud |
|---|---|
| Titolo del progetto di ricerca in inglese | Deep Learning for Point Cloud Analysis |
| 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 | L’attività di ricerca verterà sullo sviluppo di tecniche innovative di base di 3D Deep Learning in grado di affrontare una varietà di task legati all’analisi automatica di point cloud. Esempi di tali task sono il matching di superfici, in scenari di ricostruzione 3D e riconoscimento oggetti, la segmentazione semantica e la ricerca di modelli 3D all’interno di archivi (Shape Retrieval). L’obiettivo dello sviluppo è quello di definire un nuovo framework di 3D Deep Learning che si basi il più possibile su un paradigma di apprendimento end-to-end e unsupervised nonchè supporti il trasferimento della conoscenza fra differenti dataset. In tale ambito, sarà considerato come punto di partenza una recente proposta del DISI, pubblicata in un articolo scientifico del 2019, che propone l’uso delle convoluzioni sferiche per la normalizzazione dell’orientamento delle superfici 3D rispetto al sistema di riferimento solidale con il sensore. |
| Descrizione sintetica in inglese | The research activity will be focused on the development of new 3D Deep Learning approaches for point cloud analysis. Among the addressed task are surface matching, for 3D reconstruction and object recognition, semantic segmentation and 3D shape retrieval. The final goal is to define a new 3D Deep learning framework for point clouds based on end-to-end and unsupervised learning as well as amenable to effectively transfer learned representations across different datasets. A starting point for the research activity will be a recent proposal from DISI, published in ICCV 2019, which deploys Spherical CNNs to achieve canonicalization of 3D surfaces in a fully data-driven and unsupervised fashion. |
| Data del bando | 11/03/2020 |
| 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 |