Deep Learning Para Visión por Computadora
- Autores
- 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
- Año de publicación
- 2024
- Idioma
- español castellano
- Tipo de recurso
- documento de conferencia
- Estado
- versión publicada
- Descripción
- 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 - Materia
-
Ciencias Informáticas
Redes Neuronales
Redes Convolucionales
Redes Recurrentes
Visión por Computadoras
Lengua de Señas
Bases de datos
Crowdsourcing
Redes Generativas Adversarias
Invarianza
Equivarianza - Nivel de accesibilidad
- acceso abierto
- Condiciones de uso
- http://creativecommons.org/licenses/by-nc-sa/4.0/
- Repositorio
.jpg)
- Institución
- Universidad Nacional de La Plata
- OAI Identificador
- oai:sedici.unlp.edu.ar:10915/176170
Ver los metadatos del registro completo
| id |
SEDICI_e822cad53efdc1ca6e77ca10b20b4014 |
|---|---|
| oai_identifier_str |
oai:sedici.unlp.edu.ar:10915/176170 |
| network_acronym_str |
SEDICI |
| repository_id_str |
1329 |
| network_name_str |
SEDICI (UNLP) |
| spelling |
Deep Learning Para Visión por ComputadoraQuiroga, Facundo ManuelRonchetti, FrancoRíos, Gastón GustavoDal Bianco, Pedro AlejandroPonte Ahón, Santiago AndrésStanchi, Oscar AgustínSeery, JuanBadaracco, TatianaRabinovich, FedericoVázquez, JavierFernández Bariviera, AurelioKhalid, SaifRashwan, HatemPuig Valls, DomeneeAidelman, Yael JudithGamen, Roberto ClaudioLanzarini, Laura CristinaHasperué, WaldoCiencias InformáticasRedes NeuronalesRedes ConvolucionalesRedes RecurrentesVisión por ComputadorasLengua de SeñasBases de datosCrowdsourcingRedes Generativas AdversariasInvarianzaEquivarianzaEsta 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 Informática2024-04info:eu-repo/semantics/conferenceObjectinfo:eu-repo/semantics/publishedVersionObjeto de conferenciahttp://purl.org/coar/resource_type/c_5794info:ar-repo/semantics/documentoDeConferenciaapplication/pdf88-92http://sedici.unlp.edu.ar/handle/10915/176170spainfo:eu-repo/semantics/altIdentifier/isbn/978-987-8352-57-2info:eu-repo/semantics/reference/url/https://sedici.unlp.edu.ar/handle/10915/173603info:eu-repo/semantics/openAccesshttp://creativecommons.org/licenses/by-nc-sa/4.0/Creative Commons Attribution-NonCommercial-ShareAlike 4.0 International (CC BY-NC-SA 4.0)reponame:SEDICI (UNLP)instname:Universidad Nacional de La Platainstacron:UNLP2025-10-15T11:39:13Zoai:sedici.unlp.edu.ar:10915/176170Institucionalhttp://sedici.unlp.edu.ar/Universidad públicaNo correspondehttp://sedici.unlp.edu.ar/oai/snrdalira@sedici.unlp.edu.arArgentinaNo correspondeNo correspondeNo correspondeopendoar:13292025-10-15 11:39:13.906SEDICI (UNLP) - Universidad Nacional de La Platafalse |
| dc.title.none.fl_str_mv |
Deep Learning Para Visión por Computadora |
| title |
Deep Learning Para Visión por Computadora |
| spellingShingle |
Deep Learning Para Visión por Computadora Quiroga, Facundo Manuel Ciencias Informáticas Redes Neuronales Redes Convolucionales Redes Recurrentes Visión por Computadoras Lengua de Señas Bases de datos Crowdsourcing Redes Generativas Adversarias Invarianza Equivarianza |
| 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 |
| dc.creator.none.fl_str_mv |
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 |
Quiroga, Facundo Manuel |
| 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_role |
author |
| author2 |
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 |
| author2_role |
author author author author author author author author author author author author author author author author author |
| dc.subject.none.fl_str_mv |
Ciencias Informáticas Redes Neuronales Redes Convolucionales Redes Recurrentes Visión por Computadoras Lengua de Señas Bases de datos Crowdsourcing Redes Generativas Adversarias Invarianza Equivarianza |
| topic |
Ciencias Informáticas Redes Neuronales Redes Convolucionales Redes Recurrentes Visión por Computadoras Lengua de Señas Bases de datos Crowdsourcing Redes Generativas Adversarias Invarianza Equivarianza |
| dc.description.none.fl_txt_mv |
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 |
| 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. |
| publishDate |
2024 |
| dc.date.none.fl_str_mv |
2024-04 |
| dc.type.none.fl_str_mv |
info:eu-repo/semantics/conferenceObject info:eu-repo/semantics/publishedVersion Objeto de conferencia http://purl.org/coar/resource_type/c_5794 info:ar-repo/semantics/documentoDeConferencia |
| format |
conferenceObject |
| status_str |
publishedVersion |
| dc.identifier.none.fl_str_mv |
http://sedici.unlp.edu.ar/handle/10915/176170 |
| url |
http://sedici.unlp.edu.ar/handle/10915/176170 |
| dc.language.none.fl_str_mv |
spa |
| language |
spa |
| dc.relation.none.fl_str_mv |
info:eu-repo/semantics/altIdentifier/isbn/978-987-8352-57-2 info:eu-repo/semantics/reference/url/https://sedici.unlp.edu.ar/handle/10915/173603 |
| dc.rights.none.fl_str_mv |
info:eu-repo/semantics/openAccess http://creativecommons.org/licenses/by-nc-sa/4.0/ Creative Commons Attribution-NonCommercial-ShareAlike 4.0 International (CC BY-NC-SA 4.0) |
| eu_rights_str_mv |
openAccess |
| rights_invalid_str_mv |
http://creativecommons.org/licenses/by-nc-sa/4.0/ Creative Commons Attribution-NonCommercial-ShareAlike 4.0 International (CC BY-NC-SA 4.0) |
| dc.format.none.fl_str_mv |
application/pdf 88-92 |
| dc.source.none.fl_str_mv |
reponame:SEDICI (UNLP) instname:Universidad Nacional de La Plata instacron:UNLP |
| reponame_str |
SEDICI (UNLP) |
| collection |
SEDICI (UNLP) |
| instname_str |
Universidad Nacional de La Plata |
| instacron_str |
UNLP |
| institution |
UNLP |
| repository.name.fl_str_mv |
SEDICI (UNLP) - Universidad Nacional de La Plata |
| repository.mail.fl_str_mv |
alira@sedici.unlp.edu.ar |
| _version_ |
1846064408112922624 |
| score |
13.22299 |