Descrizione posizione

Titolo del progetto di ricerca in italiano	Nuove Topologie di DNN per la segmentazione di mappe di profondità
Titolo del progetto di ricerca in inglese	New Topologies of the deep (convolutional) Neural Network for segmentation of depth maps
Descrizione sintetica in italiano	La ricerca ha come obiettivo la segmentazione semantica di mappe 3D di ambienti di lavoro, in modo robusto, dettagliato e conciso. La segmentazione semantica implica che vari aspetti dell’ambiente segmentato siano etichettati con il nome degli oggetti e delle parti dell’ambiente. Nuovi risultati sono disponibili per la segmentazione 3D, che richiedono un grosso sforzo computazionale e di memoria, soprattutto per stabilire una corrispondenza tra i frame 2D e una mappa globale 3D. Le DNN sono state recentemente utilizzate per questo fine, basandosi sugli stessi modelli utilizzati nel riconoscimento di 2D di oggetti e che richiedono una enorme mole di dati per l’apprendimento. La ricerca vuole mettere in luce la possibilità di utilizzare nuove architetture di DNN, che utilizzino informazione dinamica e una valutazione statistica della memoria utile richiesta per il mantenimento delle specifiche semantiche.
Descrizione sintetica in inglese	The proposed research aims at mapping and segmenting specific aspects of a work environment in a robust, detailed, but concise manner. Semantic segmentation implies that various aspects of the segmented environment are labeled with the name of objects and parts of the environment. New results are available for 3D segmentation, however, requiring a significant computational and memory effort, especially to establish a match between 2D frames and a 3D global mapping. Convolutional networks have been recently used for this purpose in the literature, relying on the same models used in 2D object recognition and requiring a huge amount of learning data. The research seeks to highlight the possibility of using new convolutional network architectures, which at the same time allow both dynamic information to be used and a statistical evaluation of the memory required to maintain semantic specifications.
Numero posti	1
Settore Concorsuale	09/H1 - SISTEMI DI ELABORAZIONE DELLE INFORMAZIONI
S.S.D	ING-INF/05 - SISTEMI DI ELABORAZIONE DELLE INFORMAZIONI
Destinatari del bando (of target group)	Experienced researcher or 4-10 yrs (Post-Doc)
Data del bando	07/11/2017

 

FP7 / PEOPLE / Marie Curie Actions

Research Framework Programme / Marie Curie Actions	No

 

Dettagli dell'impiego

Tipo di contratto	Temporary
Tempo	Full-time
Ore settimanali	36
Organizzazione/Ente	Università degli Studi di Roma La Sapienza
Paese (dove si svolgerà l'attività)	ITALY
Città	Roma

 

Contatto presso l'Organizzazione/Ente

Organizzazione/Ente	Università degli Studi di Roma La Sapienza
Tipo	Academic
Facoltà/Dipartimento/Laboratorio di ricerca	Dip. Ingegneria informatica, automatica e gestionale Antonio Ruberti
Paese	ITALY
Città	Roma
Codice postale	00185
Indirizzo	Via Ariosto 25
E-mail	giampaoletti@diag.uniroma1.it

 

Dettagli per la candidatura

Data prevedibile per l'assunzione	01/03/2018
Data di scadenza del bando	07/12/2017 - alle ore 23:59

 

Titoli di studio richiesti

Laurea	PhD or equivalent
Ambito della laurea	Computer science

 

Esperienze di ricerca richieste

Campo principale della ricerca	Computer science
Sottocampo della ricerca
Anni di esperienza richiesti	3

 

Lingue richieste

Lingua	ENGLISH
Livello di conoscenza della lingua	Excellent

 

Requisiti aggiuntivi

Competenze richieste in italiano	progettazione di sistemi robotici cognitivi, statistical Learning Theory, Variational Methods, Optimization, Primal‐Dual gradient methods, 3D vision and 3D modelling, DCNN e DQN e in generale deep learning
Competenze richieste in inglese	statistical Learning Theory, Variational Methods, Optimization, Primal‐Dual gradient methods, 3D vision and 3D modelling, DCNN e DQN e in generale deep learning