Seminario: “Un enfoque híbrido de optimización multiobjetivo para la búsqueda de arqutecturas neuronales aplicadas a la restauración de imágenes de súper resolución”
24-I,AvisosFecha: 14 de marzo de 2024
Presentó: Dr. Víctor Adrián Sosa Hernández
Afiliación: Profesor investigador del Instituto Tecnológico y de Estudios Superiores de Monterrey (ITESM-CEM)
Resumen:
This talk addresses the topic of Super-resolution image restoration, which focuses on obtaining a high-resolution image from a low-resolution corrupted sample. It has been well-studied in computer vision and image processing with relevant importance in many fields ranging from security and surveillance to image generation. Contemporary advances focus on using deep neural networks to tackle these problems. However, most current neural network architectures used for super-resolution continue to be developed by human experts through time-consuming and error-prone trial and error.
Nowadays, there is a growing interest in automated neural architecture search methods that allow deep learning to be more accessible to researchers and practitioners. Even with the success of these methods, their application in real-world problems still poses significant challenges, hindering their practicality. In many cases, the synthesized architectures are too complex to be deployed in resource-limited platforms or embedded systems, while architecture discovery requires copious processing time and power. To get around these problems, one solution that started to grow in popularity is to see the process of architecture search as a multi-objective problem, taking into account execution latency, memory footprint, and model performance, among many others.
Our research project is the design of a multi-objective neural architecture search hybrid evolutionary algorithm for super-resolution image restoration. Tackling the problem of architecture search from a hybrid multi-objective perspective strives for synthesizing resource-efficient models capable of obtaining a competitive performance in Super-Resolution tasks while enhancing the efficiency of architecture search.
Semblanza:
El Dr. Víctor Adrián Sosa Hernández es director del posgrado en ciencias computacionales en la región CDMX y profesor del departamento de computación en el Instituto Tecnológico y de Estudios Superiores de Monterrey, campus Estado de México (ITESM-CEM). Víctor Sosa obtuvo el grado de doctor en ciencias en computación estudiando en el CINVESTAV-IPN en 2017 y posteriormente en 2018 realizó un posdoctorado en el grupo de Modelos Inteligentes en el ITESM-CEM. Es instructor acreditado y certificado en uso de tecnologías de nube por AWS y experto en varios lenguajes de programación como Python, R, TypeScript, entre otros. El Dr. Sosa es miembro de la Academia Mexicana de Computación y es reconocido por el SNII como nivel 1 dentro del área 8. Su investigación tanto teórica como aplicada se focaliza en las áreas de inteligencia artificial, específicamente: machine learning, deep learning, NAS y optimización evolutiva multiobjetivo. El Dr. Sosa ha tenido participación en proyectos multidisciplinarios relacionados con el diseño de baterías de litio, consumo eficiente de energía de autos eléctricos, diseño de trayectoria de vuelo de drones, configuración de biorreactores, y estudio del comportamiento de células B en pacientes con COVID-19. Además, recientemente colidera dentro de su grupo de investigación un proyecto de Ciencia de frontera otorgado para el periodo 2023-2025 por el CONAHCyT enfocado en AutoML. El doctor cuenta con más de 7 años de experiencia como profesor y 10 años realizando proyectos vinculados con la industria, instituciones y gobierno, entre los más relevantes han sido con Amazon, Danone, NDS Cognitive Labs, Oracle, el Instituto Nacional de Ciencias Médicas y Nutrición Salvador Zubirán y la Secretaría de Seguridad Pública. Con respecto a su obra, el Dr. Sosa cuenta con más de 15 publicaciones en congresos, libros y revistas internacionales con arbitraje estricto.
Ultima actualización 17/04/2024 por pcyti