Home » Departamento de Procesamiento de Señales

Category Archives: Departamento de Procesamiento de Señales

Charla: Inteligencia Artificial y Visión por Computadora. Aplicaciones, investigación y opciones formativas

Invitamos a participar de un encuentro para conocer más sobre aprendizaje automático, deep learning y visión por computadora. El 14 de mayo a las 18 h, Pablo Musé (Fing) y Agustín Azzinnari (Tryolabs) brindarán una charla sobre un campo que ha registrado avances revolucionarios.

Inscribite en este enlace

En los últimos años, la reaparición de las técnicas de Aprendizaje Profundo (Deep Learning) ha abierto nuevas y creativas formas de abordar algunos problemas clásicos de Machine Learning e Inteligencia Artificial, como es el campo de la Visión por Computadora. Las mismas permiten que sea posible identificar peatones a partir de una foto tomada desde la cámara de un auto, o contar y ubicar las cabezas de ganado presentes en una foto aérea, entre innumerables aplicaciones. 

En el primer bloque de la charla, Pablo Musé (Profesor Titular del Departamento de Procesamiento de Señales del Instituto de Ingeniería Eléctrica de Fing) expondrá sobre la oferta de cursos del Instituto de Ingeniería Eléctrica de la Facultad de Ingeniería que están vinculados al Aprendizaje Automático y la Visión por Computadora. Ahondará en los caminos existentes para desarrollar proyectos de grado y posgrado en estas áreas, y mencionará algunos ejemplos de ex estudiantes de la Facultad que están trabajando o investigando activamente en Computer Vision o Machine Learning.

En el segundo bloque, Agustín Azzinnari (Project Manager y Research Engineer de Tryolabs) abordará el problema de la detección y clasificación automática de objetos en imágenes y videos a través de las técnicas de Deep Learning. Pondrá el problema en contexto haciendo un repaso por el estado del arte y explicando su motivación y principales desafíos. Finalmente, utilizará como caso de estudio a Luminoth, una herramienta de código abierto creada por Tryolabs para asistir en problemas de detección de objetos en imágenes y video, explicando los principales desafíos en su construcción y resultados actuales.

La actividad está dirigida a estudiantes. También se invita a participar a docentes y ex alumnos de la Facultad de Ingeniería, así como a todo el público interesado en la temática. 

Inscribite en este enlace

Datos relevantes
Fecha: Lunes 14 de mayo
Hora: 18 h
Lugar: Salón de actos de Facultad de Ingeniería (1º piso del edificio central)
Expositores:
Pablo Musé, Profesor Titular del Departamento de Procesamiento de Señales del Instituto de Ingeniería Eléctricade la Facultad de Ingeniería
Agustín Azzinnari, Project Manager y Research Engineer de Tryolabs

Actividad gratuita con inscripción previa aquí. Cupos limitados. 

Organizan: Instituto de Ingeniería Eléctrica de la Facultad de Ingeniería de la Universidad de la República, Fundación

Nota al Dr Pablo Musé, Docente Grado 5 de Procesamiento de Señales del IIE, La Diaria, Viernes 27/04/18

Es con mucho agrado que compartimos con todo el colectivo del IIE, la presente nota realizada a uno de sus grandes talentos, en el siguiente link se despliega la información completa :

La humanidad paralela : Debates en torno a la inteligencia artificial y la creación artística.

Métodos automáticos para la interpretación de datos biomédicos

En el marco del curso Modelado y Agrupamiento de Datos en Alta Dimensión a dictarse a partir del 7 de mayo de 2018 por el Profesor René Vidal (Johns Hopkins University) se dictará la siguiente charla de divulgación:

Métodos automáticos para la interpretación de datos biomédicos

Jueves 10 de mayo, 18hs, salón 102 (junto al Instituto de Ingeniería Eléctrica) Facultad de Ingeniería

En años recientes hemos presenciado una explosión en la disponibilidad de datos biomédicos de múltiples modalidades y escalas. Sin embargo, la falta de métodos automáticos para interpretar tales datos representa un impedimento mayor a la hora de comprender los mecanismos, el diagnóstico y el tratamiento de enfermedades humanas. En esta charla, haré una reseña de nuestro trabajo reciente en el desarrollo de métodos automáticos para la interpretación de datos biomédicos de múltiples modalidades y escalas. A nivel celular, presentaré un método de factorización de matrices estructuradas para segmentar neuronas y encontrar sus patrones de disparo en videos de imagenología de calcio y un método de análisis de formas para clasificar cardiomiocitos embrionales en videos de imagenología óptica. A nivel de órganos, presentaré un marco Riemanniano para el procesamiento de imágenes de resonancia magnética por difusión (dMRI) del cerebro, y un método estocástico de seguimiento para detectar fibras de Purkinje en MRI cardíacos. A nivel de pacientes, presentaré sistemas dinámicos y métodos de aprendizaje automático para reconocer gestos quirúrgicos y evaluar las habilidades de un cirujano a partir de movimientos registrados de un robot médico y filmaciones.



       

Curso : “Modelado y agrupamiento de datos de alta dimensión” por el Dr Rene Vidal

Fecha de inicio y finalización : Lunes 07/05/18 al Viernes 11/05/18

Horario :  de 09 a 12hs

Lugar : Salón de Seminarios del IIE – Facultad de Ingeniería, J. Herrera y Reissig 565

“Modelado y agrupamiento de datos de alta dimensión” por el Dr Rene Vidal,  Center for Imaging Science, Department of Biomedical Engineering,  Johns Hopkins  University http://cis.jhu.edu/~rvidal/

Profesor Responsable Local : Alicia Fernández, Profesor Titular, IIE-FIng-UdelaR

Bibliografía : “Generalized Principal Component Analysis.” R. Vidal, Y. Ma, and S. Sastry. Springer-Verlag New York, 2016.

 
Objetivo :
 
Este curso cubre métodos avanzados para el análisis de datos de alta dimensión. La primera parte del curso cubre métodos robustos para reducción de dimensionalidad basados en técnicas modernas de optimización convexa. La segunda parte del curso cubre métodos para el modelado de datos con múltiples subespacios, que combinan técnicas modernas de optimización convexa con algoritmos de agrupamiento. La tercera parte del curso cubre aplicaciones de estos métodos en procesamiento de imágenes, visión artificial, e imágenes biomédicas

Defensa Tesis Doctorado : “Computational methods for percussion music analysis : The Afro-Uruguayan Candombe drumming as a case study”

Viernes 6 de abril 14:00hs, Salón Verde (piso 7, salón 720)-Facultad de Ingeniería, J. Herrera y Reissig 565

Tenemos el agrado de invitarlos a la defensa de tesis de doctorado de Martín Rocamora : “Computational methods for percussion music analysis : The Afro-Uruguayan Candombe drumming as a case study”

Director de Tesis : Luiz W. P. Biscainho (UFRJ), Luis Jure (UdelaR) y Álvaro Pardo (UCU)

Director Académico : Pablo Musé (UdelaR)

Tribunal : Andre Holzapfel (KTH, revisor externo), Luiz Naveda (UEMG, revisor externo), Marcelo Fiori (UdelaR) y Gregory Randall (UdelaR)

Saludos,

Federico Lecumberry

Resúmen :

La mayoría de la investigación realizada en tecnologías de la información aplicadas a la música se ha limitado en gran medida a algunos estilos particulares de la denominada música ‘occidental’. Las herramientas resultantes a menudo no generalizan adecuadamente o no se pueden extender fácilmente a otras tradiciones musicales. Por lo tanto, recientemente se han propuesto enfoques culturalmente específicos como forma de construir modelos computacionales más ricos y más generales.

Esta tesis tiene como objetivo contribuir al estudio del ritmo asistido por computadora, desde una perspectiva cultural específica, considerando el candombe afro-uruguayo como caso de estudio. Esto está motivado principalmente por las características rítmicas de este género, que resultan problemáticas para la mayoría de los métodos de análisis existentes. Se intenta de esta manera superar los límites actuales de estas tecnologías.

La tesis ofrece una visión general del contexto histórico, social y cultural en el que se integra el candombe, junto con una descripción de su ritmo.

Una de las contribuciones específicas de la tesis es la creación de conjuntos de datos adecuados para el análisis computacional del ritmo. Se realizaron sesiones de grabación y se generaron anotaciones de información métrica, ubicación de eventos y secciones. Se puso disponible públicamente un conjunto de grabaciones anotadas para el seguimiento de pulso e inicio de compás, y se generó un registro audiovisual que sirve tanto para fines documentales como de investigación.

Parte de la tesis se centró en descubrir y analizar patrones rítmicos a partir de grabaciones de audio. Se diseñó una representación en forma de mapa de patrones rítmicos basada en características espectrales. El tipo de análisis que se puede realizar con los métodos propuestos se ilustra con algunos experimentos.

La tesis también abordó de forma sistemática (y por primera vez) el estudio y la caracterización de las propiedades micro rítmicas del candombe. Los resultados sugieren que las micro desviaciones temporales son un componente estructural del ritmo, dando lugar a una especie de “swing” característico.

El resto de la tesis se dedicó a la inferencia automática de la estructura métrica a partir de grabaciones de audio. Se propuso un esquema Bayesiano supervisado para el seguimiento de patrones rítmicos, del cual se puso públicamente a disposición una implementación de software. Los resultados dan evidencia adicional de la capacidad de generalización del enfoque Bayesiano a ritmos complejos.

Por último, la detección de inicio de compás se formuló como un problema de compresión de datos. Esto resultó en un método novedoso que demostró ser efectivo para una buena parte de los datos, y que abre varias lineas posibles de investigación a futuro.

Oferta de doctorado en el área de aprendizaje profundo

Rogamos dar difusión entre potenciales interesados.

Estamos buscando estudiantes de doctorado para trabajar en el área de
Deep Learning en procesamiento de imágenes. Contamos con una beca de
doctorado de la ANII para un buen candidato.

Requerimientos : Formación en ciencias de la computación y/o matemática
aplicada (egresados de ingeniería eléctrica, ingeniería en
computación, licenciatura en matemática). Se valorará conocimientos en
aprendizaje automático, análisis de datos, procesamiento de señales.

Abajo más información.

Interesados contactarse con : Mauricio Delbracio en mdelbra@fing.edu.uy o con Pablo Musé en pmuse@fing.edu.uy

Aprendizaje Profundo para la restauración eficiente de imágenes y videos

La popularización de los dispositivos de captura de imágenes digitales
ha llevado a que millones de imágenes sean adquiridas y compartidas
continua e instantáneamente. Aunque su calidad ha mejorado
significativamente, persisten problemas fundamentales como el ruido,
la resolución limitada o la borrosidad por movimiento de la cámara
durante capturas en baja luz. El mejoramiento de imágenes tiene
implicancias prácticas en áreas vinculadas al desarrollo productivo,
la seguridad, la investigación científica, además del posible fin
comercial en sí mismo.

Recientemente ha surgido un nuevo paradigma de restauración de
imágenes en base a técnicas de aprendizaje automático profundo,
impulsado por el gran volumen de datos existentes. Si bien los
resultados son en general de muy buena calidad, su desempeño es muy
variable y dependiente de cada caso. Esto se explica en cierta medida
por no incorporar un modelo de formación de imagen, y aprender
directamente una transformación no lineal entre una entrada de baja
calidad y una salida de alta calidad, basándose en un enorme número de
ejemplos. Esto requiere ajustar un muy elevado número de parámetros
trayendo aparejado tiempos de entrenamiento muy extensos.

Este proyecto busca integrar modelos físico-matemáticos de formación
de imagen en el marco del aprendizaje profundo. Esta integración ha
sido poco explorada a pesar de tener potencialmente dos beneficios
significativos: mayor eficiencia vinculada a la reducción de la
complejidad computacional y mayor robustez debido a las restricciones
físicas impuestas por los modelos; un entendimiento más profundo del
problema en términos del modelado matemático.

Estos conceptos se verán concretados en el diseño, implementación y
validación de técnicas novedosas que permitan corregir la borrosidad y
aumentar la resolución en imágenes y videos digitales. Se buscará que
las mismas sean robustas a diferentes condiciones de adquisición, y
maximicen la calidad de la restauración asegurando la eficiencia en la
utilización de recursos.

Acá pueden ver una lista de artículos relacionados a la temática del doctorado :

https://github.com/mdelbra/deep-imaging

Defensa Tesis Maestría : “Outliers in biometrics : An a-contrario approach”

Lunes 18 de diciembe 14hs, Laboratorio de Software del IIE – Facultad de Ingeniería, J. Herrera y Reissig 565

Tenemos el agrado de invitarlos a la defensa de tesis de maestría de Luis Di Martino : “Outliers in biometrics : An a-contrario approach”

Director de Tesis : Alicia Fernández, Rafael Grompone, Federico Lecumberry  y Javier Preciozzi

Tribunal : Rafael Molina (Universidad de Granada, España), Marcelo Fiori y Pablo Muse

Saludos,

Federico Lecumberry

Abstract :

This thesis addresses the problems of biometrics: how a person’s identity could be determined or validated by using some physical or behavioral characteristic. Biometry is one of the main research topics in the field of pattern recognition due to its impact on several applications in security and human-machine interaction environments. Several works focus on the improvement of the features extracted in the particular system being presented (face, fingerprint or speech recognition among others), or the metrics used to compare such features, in this work the classification stage is particularly tackled.

A statistical approach is presented based on a well-known a-contrario validation strategy. Techniques based on such framework have been widely used in the fields of image processing and computer vision for the detection and matching of visual features. In this work, the method ability to detect outliers/inliers is exploited to detect when two compared biometric samples correspond to the same person. This method is adapted and applied to each of the usual biometric tasks.

First, it is applied to the task of biometric verification, modeling it as a two- class classification problem. The introduced strategy was validated using different datasets and compared against other state-of-the-art commonly used classification methods. Findings of this work have been presented at the 2014 International Conference on Pattern Recognition Applications and Methods (ICPRAM-2014), by applying the framework to the face recognition problem in particular. An extension of the conference article has been published as a journal article. In this thesis, the presented strategy is reviewed with an experimental evaluation done in several bigger datasets.

Secondly, the a-contrario framework is applied to the identification task. The method is used to validate the confidence of an identification system outputs. What is normally called in the literature as System Response Reliability (SRR). Such problem has been thoroughly studied lately, the key advantages of using such control are analyzed and discussed. The obtained performance is validated on multiple datasets by comparing with other state-of-the-art approaches. This work has been presented on the 2016 International Conference of the Biometrics Special Interest Group (BIOSIG-2016).

Finally, the framework is applied to biometric fusion. The key differences in such scenario and the corresponding proposed framework adaptations are analyzed. The proposed technique is evaluated in both artificially generated as real-scenario datasets. The performance is compared against other state-of-the-art statistically fusion strategies.

 

CERRADO Llamado Docente Grado 1, Dpto. Procesamiento de Señales

REPARTIDO Nº 37/17

LLAMADO Nº 86/2017, Exp. 060180-002232-17

Se llama a aspirantes para la confección de una lista de prelación con validez de seis meses, a efectos de proveer cargos (Tipo II : Tecnológico) de AYUDANTE (Grado 1, 20 horas semanales) del Departamento de Procesamiento de Señales, del INSTITUTO DE INGENIERÍA ELÉCTRICA

Plazo : Viernes 27/10/2017 – Viernes 10/11/2017

 

Nota sobre proyecto de grado del IIE, La Diaria, Sábado14/10/17

Es con mucho agrado que compartimos con todo el colectivo del IIE, la presente nota realizada a partir de un proyecto de grado tutoriado por Gregory Randall, Mauricio Delbracio y Eduardo Fernández, que se titula “Plataforma Abierta de Restauración de Películas”, y cuyos autores son Sebastián Bugna y Juan Andrés Friss de Kereki.

Recordamos además que este proyecto estará presente durante IdM 2017.

A continuación se dejan los datos de la mencionada nota, así como el texto de la misma : “Memoria sin ruido” en “La Diaria”, edición de fin de semana, sábado 14/10/17, Año 12, Nº 2997, p. 12-13,

Tambiém dejamos el link al texto completo del proyecto : PARP : Plataforma Abierta de Restauración de Películas

4th International Csound Conference

La 4ta Conferencia Internacional de Csound – ICSC2017 tendrá lugar en Montevideo, Uruguay, del viernes 29 de setiembre al domingo 1º de octubre de 2017 (ver sitio  web)

La ICSC es un evento artístico y académico en el que miembros de la comunidad internacional de Csound se reúnen durante tres días de conciertos, presentaciones de artículos, charlas y mesas redondas.

Están todos cordialmente invitados a presentar propuestas de artículos y música, o simplemente a unirse a nosotros para esta reunión.

El ICSC2017 está organizado por eMe (Estudio de Música Electroacústica de la Escuela Universitaria de Música) en colaboración con el GPA (Grupo de Procesamiento de Audio del IIE-FIng-UdelaR).

Los que deseen concurrir deben contactar vía email a Martín Rocamora