Proyectos del curso
Propuestas de proyecto para el curso Reconocimiento Visual con Deep Learning. Cada proyecto parte de un modelo y un dataset del laboratorio.
1. Mejorar codificadores de bocetos para recuperación, segmentación y generación
Con base en skDINOv3, evaluaremos diversas modificaciones del codificador con respecto a los datos de entrenamiento, las funciones de pérdida y la arquitectura. El nuevo codificador se evaluará en recuperación, segmentación y detección.
Objetivo general: proponer un codificador mejorado para boceto-fotografía.
Objetivos específicos:
- Evaluar codificadores existentes: skDINO y SketchFusion.
- Proponer mejoras sobre skDINO.
- Evaluar el modelo en segmentación y detección.
- Evaluar el codificador de bocetos en generación de imágenes guiada por bocetos.
2. Mejorar codificadores de imágenes para documentos históricos (detección y segmentación de patrones)
Generaremos un codificador multiescala mejorado para el procesamiento de documentos históricos, a partir de este artículo.
Objetivo general: proponer un codificador mejorado para la detección de patrones.
Objetivos específicos:
- Evaluar el codificador iDoc en recuperación.
- Proponer mejoras sobre iDoc.
- Evaluar el modelo en detección de patrones.
- Evaluar el codificador en generación de patrones.
3. Extender skDINO a la búsqueda de patrones en documentos históricos guiada por bocetos
En este proyecto propondremos un nuevo codificador que permita detectar patrones en documentos históricos a partir de bocetos.
Objetivo general: proponer un método de detección de patrones guiado por bocetos.
Objetivos específicos:
- Evaluar el codificador skDINO en recuperación.
- Proponer mejoras sobre skDINO para usarlo con patrones de documentos.
- Evaluar el modelo en detección de patrones usando bocetos.
- Evaluar el codificador en generación de patrones usando bocetos.
4. Mejorar el codificador de imágenes médicas para localizar estructuras anatómicas de grano fino en CT
Evaluaremos y propondremos un codificador de CT especializado en grano fino, basado en uno de nuestros trabajos recientes. Como aplicación, podemos considerar la segmentación de tumores pequeños.
Objetivo general: proponer un codificador mejorado para localizar estructuras de grano fino en CT.
Objetivos específicos:
- Evaluar codificadores existentes, incluido nuestro codificador de CT.
- Definir mejoras al codificador de CT.
- Evaluar el codificador en segmentación de tumores pequeños.
- Evaluar el codificador en generación de CT.
5. Mejorar codificadores de video con aplicaciones en comprensión de noticias
Evaluaremos y mejoraremos codificadores de video con aplicación en la descripción de noticias, a partir de uno de nuestros trabajos recientes.
Objetivo general: proponer un codificador de video mejorado.
Objetivos específicos:
- Evaluar codificadores existentes.
- Definir mejoras sobre el mejor codificador de video.
- Evaluar el modelo en videos cortos de noticias.
- Evaluar modelos de generación de video.