{"id":1521,"date":"2021-01-28T21:04:00","date_gmt":"2021-01-28T21:04:00","guid":{"rendered":"https:\/\/pcyti.izt.uam.mx\/posgrado\/?p=1521"},"modified":"2022-07-10T21:05:22","modified_gmt":"2022-07-10T21:05:22","slug":"proximo-seminario-reconocimiento-de-objetos-3d-mediante-tecnicas-de-curvatura-en-superficies-e-inteligencia-artificial","status":"publish","type":"post","link":"https:\/\/pcyti.izt.uam.mx\/?p=1521","title":{"rendered":"Pr\u00f3ximo seminario. Reconocimiento de objetos 3D mediante t\u00e9cnicas de curvatura en superficies e inteligencia artificial"},"content":{"rendered":"\n

Se les invita al pr\u00f3ximo seminario del Posgrado en Ciencias y Tecnolog\u00edas de la Informaci\u00f3n (PCyTI)<\/p>\n\n\n\n

T\u00edtulo de la ponencia<\/strong>: Reconocimiento de objetos 3D mediante t\u00e9cnicas de curvatura en superficies e inteligencia artificial
Fecha<\/strong>: 28 de enero de 2021 a las 11:00 hrs
Zoom<\/strong>: https:\/\/uammx.zoom.us\/my\/pcyti<\/a> (contrase\u00f1a: semiPCyTI)
Presenta<\/strong>: Dr. Mario Gerardo Canul Ku
Afiliaci\u00f3n<\/strong>: Centro de Investigaci\u00f3n en Matem\u00e1ticas (CIMAT) \u2013 \u00c1rea de Ciencias de la Computaci\u00f3n<\/p>\n\n\n\n

Resumen<\/strong>:<\/p>\n\n\n\n

En los \u00faltimos a\u00f1os los avances continuos en el escaneo l\u00e1ser, y la tomograf\u00eda computarizada industrial (TC), ha causado un significativo aumento en la producci\u00f3n de objetos 3D, especialmente en los campos del micropaleontolog\u00eda y la arqueolog\u00eda. En ambos campos, la identificaci\u00f3n y clasificaci\u00f3n son tareas fundamentales. Convencionalmente los m\u00e9todos tradicionales consumen un gran tiempo y una gran pericia de los expertos para llevar a cabo dichas tareas. Es por ello que en nuestra investigaci\u00f3n aplicamos un m\u00e9todo que hace uso funciones de curvatura en superficies y de aprendizaje profundo (deep learning) para la clasificaci\u00f3n de objetos 3D, aplicado a microf\u00f3siles y objetos arqueol\u00f3gicos para proporcionar una herramienta que permita a los expertos reducir el tiempo de clasificaci\u00f3n preservando una alta efectividad superior al 97%.<\/p>\n\n\n\n

En la pl\u00e1tica abordaremos el c\u00e1lculo de curvatura en superficies triangulares de objetos 3D, el c\u00e1lculo de vectores de caracter\u00edsticas basados en un enfoque multi-vista para la caracterizaci\u00f3n del objeto, y su correspondiente uso en el m\u00e9todo propuesto de aprendizaje profundo basado en redes neuronales. Finalmente se presentan los resultados obtenidos, los cuales reflejan un alto desempe\u00f1o de nuestro m\u00e9todo en tareas de clasificaci\u00f3n de objetos 3D.<\/p>\n\n\n\n

Semblanza:<\/strong><\/p>\n\n\n\n

El Dr. Mario Gerardo Canul Ku es Doctor en ciencias con orientaci\u00f3n en ciencias de la computaci\u00f3n del Centro de Investigaci\u00f3n en Matem\u00e1ticas, A.C. (CIMAT). Actualmente se encuentra en el proyecto de riesgos ambientales para el monitoreo de derrames de petr\u00f3leo en el oc\u00e9ano por parte de la Alianza de Inteligencia Artificial (AIA). Ha colaborado activamente en diferentes proyectos que abarcan temas de reconocimiento de objetos 3D con \u201cThe Institute of Vertebrate Paleontology and Paleoanthropology (IVPP)\u201d de la academia de ciencias de china en Beijing y con el Instituto Nacional de Antropolog\u00eda e Historia (INAH).<\/p>\n\n\n\n

En sus colaboraciones destacan las siguientes publicaciones:<\/p>\n\n\n\n