Torna ai risultati della ricercaBando per assegno di ricerca
| Titolo del progetto di ricerca in italiano | Computer vision methods for fish identification in BRUVS videos |
|---|---|
| Titolo del progetto di ricerca in inglese | Computer vision methods for fish identification in BRUVS videos |
| Campo principale della ricerca | Engineering |
| Sottocampo della ricerca | Electrical engineering |
| G.S.D. | 09/IINF-05 - SISTEMI DI ELABORAZIONE DELLE INFORMAZIONI |
| S.S.D | IINF-05/A - Sistemi di elaborazione delle informazioni |
| Descrizione sintetica in italiano | Sviluppo di architetture basate su transformer, adattate con prompt tuning, per il conteggio e l'identificazione delle specie ittiche. Oltre ai Vision Transformers (ViT) e DETR, sarà utilizzato il modello foundation Segment Anything Model (SAM), avanzato nella segmentazione automatica di scene naturali. Questi modelli saranno addestrati e testati su fotogrammi singoli estratti da video BRUVS preprocessati, per identificare e contare accuratamente le specie di pesci. Modelli multimodali linguaggio-visione come CLIP tradurranno descrizioni testuali in annotazioni deboli, fornendo segnali di supervisione. Saranno inoltre esplorate tecniche di auto-supervisione, come contrastive learning e modellazione generativa, per addestrare modelli in modalità non supervisionata sfruttando footage subacqueo non annotato. Tali attività rientrano nel Task 1.2 (Conteggio delle specie ittiche) del progetto. |
| Descrizione sintetica in inglese | Development of transformer-based architectures, adapted with prompt tuning, for fish species counting and identification. In addition to Vision Transformers (ViT) and DETR, the research will leverage the foundation model Segment Anything Model (SAM), which is advanced in automated segmentation of natural scenes. These models will be trained and tested on single frames extracted from preprocessed BRUVS videos to accurately identify and count fish species. Language-vision multimodal models, such as CLIP, will translate textual descriptions into weak annotations, providing supervision signals. Self-supervised techniques like contrastive learning and generative modeling will be explored to train models in an unsupervised manner using unannotated underwater footage. These activities are part of Task 1.2 (Fish species counting) in the project. |
| Data del bando | 19/12/2024 |
| Numero di assegnazioni per anno | 1 |
| Stanziamento annuale (indicativo) | 23.891 |
| E' richiesta mobilità internazionale? | no |
| Paesi in cui può essere condotta la ricerca |
Italy |
| Paesi di residenza dei candidati |
EUROPE |
| Nazionalità dei candidati |
EUROPE |
| Sito web del bando | https://www.unict.it/bandi/ricerca-e-trasferimento-tecnologico/assegni-di-ricerca-tipo-b |
| 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? | yes |
| Importo annuale | 19.367 |
| Valuta | Euro |
| Comprende lo stipendio dell'assegnista | yes |
| Comprende vitto e spese di viaggio | yes |
| Comprende il costo della ricerca | yes |
| Massima durata dell'assegno (mesi) | 12 |
| Criteri di selezione in italiano (breve descrizione) |
Laurea specialistica o magistrale o diploma di laurea secondo il vecchio ordinamento o titolo equivalente o equiparato o equipollente conseguito in Italia o all’estero, in Ingegneria Informatica (LM-32) o Informatica (LM-18) o Data Science (LM-91 o L-DATA), e in possesso di un curriculum scientifico-professionale idoneo allo svolgimento di attività di ricerca. Ai candidati è inoltre richiesta la conoscenza delle seguenti lingue: Inglese. |
| Nome dell'Ente finanziatore | UNIVERSITA' DEGLI STUDI DI CATANIA |
|---|---|
| Tipologia dell'Ente | Public research |
| Paese dell'Ente | Italy |
| Città | catania |
| Codice postale | 95031 |
| Indirizzo | PIAZZA UNIVERSITA' 2 |
| Sito web | http://www.unict.it |
| ac.ari@unict.it |
| L'assegno finanziato/cofinanziato attraverso un EU Research Framework Programme? | No |
|---|
| Data di scadenza del bando | 08/01/2025 - alle ore 23:59 |
|---|---|
| Come candidarsi | https://concorsi.unict.it/ |