Próximo seminario. Reconocimiento de objetos 3D mediante técnicas de curvatura en superficies e inteligencia artificial
20-OSe les invita al próximo seminario del Posgrado en Ciencias y Tecnologías de la Información (PCyTI)
Título de la ponencia: Reconocimiento de objetos 3D mediante técnicas de curvatura en superficies e inteligencia artificial
Fecha: 28 de enero de 2021 a las 11:00 hrs
Zoom: https://uammx.zoom.us/my/pcyti (contraseña: semiPCyTI)
Presenta: Dr. Mario Gerardo Canul Ku
Afiliación: Centro de Investigación en Matemáticas (CIMAT) – Área de Ciencias de la Computación
Resumen:
En los últimos años los avances continuos en el escaneo láser, y la tomografía computarizada industrial (TC), ha causado un significativo aumento en la producción de objetos 3D, especialmente en los campos del micropaleontología y la arqueología. En ambos campos, la identificación y clasificación son tareas fundamentales. Convencionalmente los métodos tradicionales consumen un gran tiempo y una gran pericia de los expertos para llevar a cabo dichas tareas. Es por ello que en nuestra investigación aplicamos un método que hace uso funciones de curvatura en superficies y de aprendizaje profundo (deep learning) para la clasificación de objetos 3D, aplicado a microfósiles y objetos arqueológicos para proporcionar una herramienta que permita a los expertos reducir el tiempo de clasificación preservando una alta efectividad superior al 97%.
En la plática abordaremos el cálculo de curvatura en superficies triangulares de objetos 3D, el cálculo de vectores de características basados en un enfoque multi-vista para la caracterización del objeto, y su correspondiente uso en el método propuesto de aprendizaje profundo basado en redes neuronales. Finalmente se presentan los resultados obtenidos, los cuales reflejan un alto desempeño de nuestro método en tareas de clasificación de objetos 3D.
Semblanza:
El Dr. Mario Gerardo Canul Ku es Doctor en ciencias con orientación en ciencias de la computación del Centro de Investigación en Matemáticas, A.C. (CIMAT). Actualmente se encuentra en el proyecto de riesgos ambientales para el monitoreo de derrames de petróleo en el océano por parte de la Alianza de Inteligencia Artificial (AIA). Ha colaborado activamente en diferentes proyectos que abarcan temas de reconocimiento de objetos 3D con “The Institute of Vertebrate Paleontology and Paleoanthropology (IVPP)” de la academia de ciencias de china en Beijing y con el Instituto Nacional de Antropología e Historia (INAH).
En sus colaboraciones destacan las siguientes publicaciones:
- ADMorph: A 3D Digital Microfossil Morphology Dataset for Deep Learning, IEEE Access, 2020
- Classification of 3D Archaeological Objects Using Multi-View Curvature Structure Signatures, IEEE Access, 2018
- A machine learning approach for 3D shape analysis and recognition of archaeological objects, CAA 2016 conference
- 3D Shape Classification And Retrieval Over Complex Geometry Objects, Tesis doctoral, 2018
- Algoritmo de Reconocimiento de Objetos en Escenas Complejas para Aplicaciones de Realidad Aumentada, Tesis maestría, 2013
De igual forma ha tenido colaboraciones en la parte laboral con la Secretaria de Economía (SE) federal en Ciudad de México, y con el Centro de Investigación en Matemáticas, A.C (CIMAT), cuyos proyectos destacan los siguientes:
- ExportaMx. El proyecto consistió en un análisis y aplicación de ciencia de datos para el desarrollo de la plataforma web ExportaMx, la cual realiza visualizaciones dinámicas de indicadores económicos de comercio exterior, financiado por la secretaria de economía federal en 2019
- Proyecto FORDECYT 296737. El proyecto realizado consistió en un análisis de factibilidad detallado para la detección de petróleo mediante imágenes de Radar de Apertura Sintética (RAS), y métodos de aprendizaje automático, financiado por Conacyt en 2019
- 11-th Taller de solución de problemas industriales para la empresa BNN méxico. El proyecto consistió en un análisis de factibilidad de software de marketing, el cual aplica técnicas de agrupamiento de palabras clave o “Insights” obtenidas de redes sociales para la segmentación de mercado, financiado por la empresa BNN México
- Proyecto PEI 240688. Se efectuó un análisis de factibilidad y desarrollo de software para la identificación de especies marinas, empleando técnicas de aprendizaje automático y procesamiento de imágenes a color, financiado por Conacyt y Plenumsoft Marina en 2017
Ultima actualización 10/07/2022 por pcyti