Torna ai risultati della ricercaBando per assegno di ricerca
| Titolo del progetto di ricerca in italiano | Flusso ottico fra immagini acquisite da sensori eterogenei mediante tecniche di self-supervised learning |
|---|---|
| Titolo del progetto di ricerca in inglese | Optical flow between heterogeneous image sensors by self-supervised learning techniques |
| 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 | Lo scopo del Progetto è sviluppare tecniche di deep learning per la stima del flusso ottico fra immagini acquisite da sensori eterogenei, quali, in particolare, sensori RGB con differente risoluzione e sensori Multi-Spettrali (MS). Caratteristica peculiare del Progetto sarà lo sviluppo di reti neurali addestrate mediante tecniche di self-supervised learning, ovvero non richiedenti la disponibilità di dati di training etichettati con informazioni di ground-truth ma in grado di determinare segnali di apprendimento sulla base della verifica di opportune condizioni di consistenza associate alle predizioni. Il Progetto richiederà inoltre la definizione di un framework per l’analisi quantitativa delle prestazioni che includerà la creazione di un dataset di immagini equipaggiate con informazioni di ground truth. |
| Descrizione sintetica in inglese | The purpose of this project is to develop deep learning techniques aimed at estimating the optical flow between images captured by two sensors exhibiting different modalities, in particular an RGB and a multi-spectral (MS) sensors. The novel and challenging optical flow problem set forth in this project will be tackled by means of modern self-supervised deep-learning techniques, so as to avoid reliance on ground-truth data in the training process. Moreover, a significant effort will be devoted to the creation of a large annotated dataset needed to perform rigorous and quantitative performance evaluation of the deep learning models developed in the project. |
| Data del bando | 05/01/2021 |
| 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 | 20/01/2021 - alle ore 00:00 |
|---|---|
| Come candidarsi | Other |