Deep Learning Para Visión por Computadora

Mostrar todas las versiones(2)

Esta línea de investigación se centra en el estudio y desarrollo de sistemas y modelos de Deep Learning para resolución de problemas de Visión por computadora, incluyendo técnicas de Aprendizaje Automático clásicas, y Aprendizaje profundo con Redes Neuronales Convolucionales (CNNs), Recurrentes (RNN...

Descripción completa

Guardado en:

Detalles Bibliográficos
Autores principales:	Quiroga, Facundo Manuel, Ronchetti, Franco, Ríos, Gastón Gustavo, Dal Bianco, Pedro Alejandro, Ponte Ahón, Santiago Andrés, Stanchi, Oscar Agustín, Seery, Juan, Badaracco, Tatiana, Rabinovich, Federico, Vázquez, Javier, Fernández Bariviera, Aurelio, Khalid, Saif, Rashwan, Hatem, Puig Valls, Domenee, Aidelman, Yael Judith, Gamen, Roberto Claudio, Lanzarini, Laura Cristina, Hasperué, Waldo
Formato:	Objeto de conferencia
Lenguaje:	Español
Publicado:	2024
Materias:	Ciencias Informáticas Redes Neuronales Redes Convolucionales Redes Recurrentes Visión por Computadoras Lengua de Señas Bases de datos Crowdsourcing Redes Generativas Adversarias Invarianza Equivarianza
Acceso en línea:	http://sedici.unlp.edu.ar/handle/10915/176170
Aporte de:	SEDICI (UNLP) de Universidad Nacional de La Plata

id	I19-R120-10915-176170
record_format	dspace
spelling	I19-R120-10915-1761702025-02-05T20:04:59Z http://sedici.unlp.edu.ar/handle/10915/176170 Deep Learning Para Visión por Computadora Quiroga, Facundo Manuel Ronchetti, Franco Ríos, Gastón Gustavo Dal Bianco, Pedro Alejandro Ponte Ahón, Santiago Andrés Stanchi, Oscar Agustín Seery, Juan Badaracco, Tatiana Rabinovich, Federico Vázquez, Javier Fernández Bariviera, Aurelio Khalid, Saif Rashwan, Hatem Puig Valls, Domenee Aidelman, Yael Judith Gamen, Roberto Claudio Lanzarini, Laura Cristina Hasperué, Waldo 2024-04 2024 2025-02-05T17:06:37Z es Ciencias Informáticas Redes Neuronales Redes Convolucionales Redes Recurrentes Visión por Computadoras Lengua de Señas Bases de datos Crowdsourcing Redes Generativas Adversarias Invarianza Equivarianza Esta línea de investigación se centra en el estudio y desarrollo de sistemas y modelos de Deep Learning para resolución de problemas de Visión por computadora, incluyendo técnicas de Aprendizaje Automático clásicas, y Aprendizaje profundo con Redes Neuronales Convolucionales (CNNs), Recurrentes (RNNs) y Transformers. En este contexto, los autores del presente trabajo aplican estas técnicas a diversos problemas: - Traducción de la Lengua de Señas (TLS), en particular la Lengua de Señas Argentina (LSA). - Interpretabilidad de modelos de Redes Neuronales, incluyendo análisis de invarianza y equivarianza y de filtros convolucionales, con énfasis en modelos que trabajan con imágenes médicas. - Análisis y procesamiento de datos astronómicos, enfocados en la recuperación de trabajos de observación históricos. - Predicción de series temporales, incluyendo series de precios de acciones de la bolsa. Red de Universidades con Carreras en Informática Objeto de conferencia Objeto de conferencia http://creativecommons.org/licenses/by-nc-sa/4.0/ Creative Commons Attribution-NonCommercial-ShareAlike 4.0 International (CC BY-NC-SA 4.0) application/pdf 88-92
institution	Universidad Nacional de La Plata
institution_str	I-19
repository_str	R-120
collection	SEDICI (UNLP)
language	Español
topic	Ciencias Informáticas Redes Neuronales Redes Convolucionales Redes Recurrentes Visión por Computadoras Lengua de Señas Bases de datos Crowdsourcing Redes Generativas Adversarias Invarianza Equivarianza
spellingShingle	Ciencias Informáticas Redes Neuronales Redes Convolucionales Redes Recurrentes Visión por Computadoras Lengua de Señas Bases de datos Crowdsourcing Redes Generativas Adversarias Invarianza Equivarianza Quiroga, Facundo Manuel Ronchetti, Franco Ríos, Gastón Gustavo Dal Bianco, Pedro Alejandro Ponte Ahón, Santiago Andrés Stanchi, Oscar Agustín Seery, Juan Badaracco, Tatiana Rabinovich, Federico Vázquez, Javier Fernández Bariviera, Aurelio Khalid, Saif Rashwan, Hatem Puig Valls, Domenee Aidelman, Yael Judith Gamen, Roberto Claudio Lanzarini, Laura Cristina Hasperué, Waldo Deep Learning Para Visión por Computadora
topic_facet	Ciencias Informáticas Redes Neuronales Redes Convolucionales Redes Recurrentes Visión por Computadoras Lengua de Señas Bases de datos Crowdsourcing Redes Generativas Adversarias Invarianza Equivarianza
description	Esta línea de investigación se centra en el estudio y desarrollo de sistemas y modelos de Deep Learning para resolución de problemas de Visión por computadora, incluyendo técnicas de Aprendizaje Automático clásicas, y Aprendizaje profundo con Redes Neuronales Convolucionales (CNNs), Recurrentes (RNNs) y Transformers. En este contexto, los autores del presente trabajo aplican estas técnicas a diversos problemas: - Traducción de la Lengua de Señas (TLS), en particular la Lengua de Señas Argentina (LSA). - Interpretabilidad de modelos de Redes Neuronales, incluyendo análisis de invarianza y equivarianza y de filtros convolucionales, con énfasis en modelos que trabajan con imágenes médicas. - Análisis y procesamiento de datos astronómicos, enfocados en la recuperación de trabajos de observación históricos. - Predicción de series temporales, incluyendo series de precios de acciones de la bolsa.
format	Objeto de conferencia Objeto de conferencia
author	Quiroga, Facundo Manuel Ronchetti, Franco Ríos, Gastón Gustavo Dal Bianco, Pedro Alejandro Ponte Ahón, Santiago Andrés Stanchi, Oscar Agustín Seery, Juan Badaracco, Tatiana Rabinovich, Federico Vázquez, Javier Fernández Bariviera, Aurelio Khalid, Saif Rashwan, Hatem Puig Valls, Domenee Aidelman, Yael Judith Gamen, Roberto Claudio Lanzarini, Laura Cristina Hasperué, Waldo
author_facet	Quiroga, Facundo Manuel Ronchetti, Franco Ríos, Gastón Gustavo Dal Bianco, Pedro Alejandro Ponte Ahón, Santiago Andrés Stanchi, Oscar Agustín Seery, Juan Badaracco, Tatiana Rabinovich, Federico Vázquez, Javier Fernández Bariviera, Aurelio Khalid, Saif Rashwan, Hatem Puig Valls, Domenee Aidelman, Yael Judith Gamen, Roberto Claudio Lanzarini, Laura Cristina Hasperué, Waldo
author_sort	Quiroga, Facundo Manuel
title	Deep Learning Para Visión por Computadora
title_short	Deep Learning Para Visión por Computadora
title_full	Deep Learning Para Visión por Computadora
title_fullStr	Deep Learning Para Visión por Computadora
title_full_unstemmed	Deep Learning Para Visión por Computadora
title_sort	deep learning para visión por computadora
publishDate	2024
url	http://sedici.unlp.edu.ar/handle/10915/176170
work_keys_str_mv	AT quirogafacundomanuel deeplearningparavisionporcomputadora AT ronchettifranco deeplearningparavisionporcomputadora AT riosgastongustavo deeplearningparavisionporcomputadora AT dalbiancopedroalejandro deeplearningparavisionporcomputadora AT ponteahonsantiagoandres deeplearningparavisionporcomputadora AT stanchioscaragustin deeplearningparavisionporcomputadora AT seeryjuan deeplearningparavisionporcomputadora AT badaraccotatiana deeplearningparavisionporcomputadora AT rabinovichfederico deeplearningparavisionporcomputadora AT vazquezjavier deeplearningparavisionporcomputadora AT fernandezbarivieraaurelio deeplearningparavisionporcomputadora AT khalidsaif deeplearningparavisionporcomputadora AT rashwanhatem deeplearningparavisionporcomputadora AT puigvallsdomenee deeplearningparavisionporcomputadora AT aidelmanyaeljudith deeplearningparavisionporcomputadora AT gamenrobertoclaudio deeplearningparavisionporcomputadora AT lanzarinilauracristina deeplearningparavisionporcomputadora AT hasperuewaldo deeplearningparavisionporcomputadora
_version_	1845116770069774336

Deep Learning Para Visión por Computadora

Ejemplares similares