<\/p>\n
La integraci\u00f3n de estos nuevos m\u00f3dulos sensoriales din\u00e1micas en una arquitectura visual y experimental\u00a0estudio de sus actuaciones en el caso de fuentes visuales degradadas.<\/span><\/strong><\/p>\n Objetivo:<\/strong> Validar la no-est\u00e1ndar de la bio-inspirada en principios de la visi\u00f3n de front-end en el set de datos realistas, focalizaci\u00f3n de baja visi\u00f3n (por ejemplo, bajo el agua) las aplicaciones.<\/p>\n Material y m\u00e9todos:<\/strong> Desde principios de un nuevo e innovador de visi\u00f3n frontal se va a hacer disponible gracias a la las tareas anteriores, el \u00faltimo paso es validar que incrustado en una imagen visual m\u00e1s grande de inspiraci\u00f3n biol\u00f3gica sistema y apuntando a una aplicaci\u00f3n para la que el estado del arte de los m\u00e9todos visuales en parte no.<\/p>\n Adem\u00e1s de estos puntos de referencia, los no convencionales bio-inspirados temprana visi\u00f3n de front-end resultados son va a ser comparado con mecanismos de alto nivel de aprendizaje autom\u00e1tico, por ejemplo, como detectores de novedad (Kassab et al, 2009), con el fin de cuantificar los rendimientos obtenidos.<\/p>\n Dado que queremos experimentar en qu\u00e9 medida este tipo de mejora a principios de visi\u00f3n frontal contribuir a la percepci\u00f3n visual, vamos a tener no s\u00f3lo la detecci\u00f3n b\u00e1sica de las se\u00f1ales visuales en cuenta, pero para experimentar con funciones de alto nivel visual. Demostraci\u00f3n concreta de la mejora de las tareas cognitivas se va a incluir:<\/p>\n (I) No lineal est\u00e1tico \/ din\u00e1mico de detecci\u00f3n de se\u00f1ales: c\u00e1lculo de los mapas de, por ejemplo color textura \/ fondo de movimiento \/ objeto en movimiento con la segmentaci\u00f3n de las regiones uniformes wr.t. la se\u00f1al.<\/p>\n (Ii) Reconocimiento de gestos: discriminar entre dos desplazamientos diferentes (por ejemplo, frente al paseo marcha, o de comportamiento de las masas).<\/p>\n (Iii) El reconocimiento de la imagen la categor\u00eda: reconocer la categor\u00eda de imagen en general (por ejemplo, un natural frente a escena artificial, un animal frente a un objeto manufacturado).<\/p>\n (Iv) La detecci\u00f3n de evento inesperado: reconocer un desplazamiento inesperado (es decir, un fracaso de la predicci\u00f3n en el detector de movimiento local).<\/p>\n (V) la segmentaci\u00f3n de la imagen de la clasificaci\u00f3n: cuando se realiza una categorizaci\u00f3n de las unidades de la retina con una contribuci\u00f3n no despreciable a este proceso de categorizaci\u00f3n de proporcionar una pista acerca de la parte de la imagen correspondiente a esta clasificaci\u00f3n, por lo tanto permite la segmentaci\u00f3n.<\/p>\n Esto significa que, a nivel de modelado modelo de inspiraci\u00f3n biol\u00f3gica, extra-corticales en funciones relaci\u00f3n con la no-est\u00e1ndar de respuesta de las c\u00e9lulas retinianas van a ser estudiados, incluyendo el enfoque de la atenci\u00f3n y la visi\u00f3n motivada.<\/p>\n Pasos de la tarea:<\/strong><\/p>\n (i) Las especificaciones de un conjunto de pruebas de validaci\u00f3n de referencia (reconocimiento de objetos categor\u00eda, la novedad detecci\u00f3n).<\/p>\n (ii) El despliegue de los datos de referencia de la plataforma y el software.<\/p>\n (iii) La realizaci\u00f3n de una prueba de evaluaci\u00f3n comparativa establece contra el general no biol\u00f3gicamente limitada algoritmos.<\/p>\n <\/p>","protected":false},"excerpt":{"rendered":" La integraci\u00f3n de estos nuevos m\u00f3dulos sensoriales din\u00e1micas en una arquitectura visual y experimental\u00a0estudio de sus actuaciones en el caso de fuentes visuales degradadas. Objetivo: Validar la no-est\u00e1ndar de la bio-inspirada en principios de la visi\u00f3n de front-end en el set de datos realistas, focalizaci\u00f3n de baja visi\u00f3n (por ejemplo, bajo el agua) las aplicaciones. … <\/p>\n