La UOC coorganitza el Deep Learning BCN 2021

El 22 i 23 de desembre tindrà lloc el Deep Learning Barcelona, un congrés científic internacional coorganitzat amb investigadors dels Estudis d'Informàtica, Multimèdia i Telecomunicació i  l'eHealth Center, sobre l'aprenentatge profund per a la intel·ligència artificial, aplicat a nous fàrmacs, diagnòstics mèdics, genòmica, nutrició, detecció del COVID-19 a partir de la tos o a la imatge mèdica.

 

En aquest Symposium participen i formen part del comitè organitzador per tercer any, els professors dels Estudis d'Informàtica, Multimèdia i Telecomunicació, en Carles Ventura i l'Àgata Lapedriza i l'eHealth Center com a sponsor de l'esdeveniment.

 

En aquest recull podeu trobar les intervencions del professorat en aquesta nova edició i en les anteriors:

- Oral:

• Àgata Lapedriza (UOC), "Emotion recognition in context". CVPR 2017

• Carles Ventura (UOC) - RVOS: end-to-end recurrent network for video object segmentation (CVPR 2019).
• Àgata Lapedriza (UOC/MIT) - Keynote talk: Emotion recognition.

• P2.8   Carles Ventura, Jordi Pont-Tuset, Sergi Caelles, Kevis-Kokitsi Maninis, Luc Van Gool, "Iterative deep learning for road topology extraction". BMVC 2018.
• P2.9:   Hassan Hayat, Carles Ventura and Agata Lapedrize, "On the use of interpretable CNN for personality trait recognition from audio". ACIA 2019.
• P2.10   Cristina Bustos, Daniel Rhoads, Albert Solé-Ribalta, Agata Lapedriza, David Masip, Alex Arenas and Javier Borge-Holthoefer, "Deep learning urban hazards to improve pedestrian safety".  Machine Learning and Modeling for Complex Systems - Satellite session at the Conference of Complex Systems 2019.

• Núria Marzo (MIT) - Detecting natural disasters, damage, and incidents in the wild (ECCV 2020)

• Hassan Hayat (UOC) - Recognizing emotions evoked by movies using multitask learning (ACII 2021)
• Carles Ventura (UOC) - SynthRef: generation of synthetic referring expressions for object segmentation (NAACL-W 2021)
• Cristina Bustos (UOC) - Predicting driver self-reported stress by analyzing the road scene (ACII 2021)