El grupo de investigación CVBLab es experto en el desarrollo de algoritmos de aprendizaje automático (machine learning) y, más concretamente, de aprendizaje profundo (deep learning). Estas técnicas de deep learning permiten construir modelos de predicción a partir de ejemplos simulando el comportamiento humano en cuanto a conexiones neuronales se refiere. El desarrollo de un modelo predictivo consiste en entrenar algoritmos (a menudo usando redes neuronales) para resolver una tarea concreta (detección de objetos, clasificación, segmentación, reconstrucción, reconocimiento de patrones, etc.) utilizando unos determinados datos de entrada. El entrenamiento se puede llevar a cabo siguiendo diferentes metodologías de aprendizaje dependiendo de la cantidad de datos etiquetados disponible. CVBLab tiene la capacidad de trabajar en cualquier escenario de supervisión para el desarrollo de sus modelos predictivos: fully-supervised, semi-supervised, weakly-supervised and unsupervised. Una vez el modelo ha sido entrenado, éste es utilizado para resolver/predecir de manera automática la misma tarea para la que fue entrenado, pero a partir de nuevos datos de entrada. CVBLab basa su experiencia en la investigación, desarrollo e implementación de algoritmos de machine learning aplicables en diferentes ámbitos como la salud, el sector industrial o el agrícola, entre otros.
Aplicaciones:
• Sistemas de ayuda al diagnóstico para predecir de manera automática la gravedad de enfermedades de diversa índole como el cáncer de próstata, mama, piel, vejiga, colon, etc., la diabetes, el glaucoma y la retinopatía diabética, entre otras. Para ello se trabaja con diferentes tipos de modalidad de imagen digital como, por ejemplo, imagen histológica, imagen hiperespectral, imagen infrarroja, fondo de ojo o tomografía por coherencia óptica.
• Sistemas de predicción para analizar la viabilidad en la implantación de embriones durante el procedimiento de la fertilización in vitro.
• Sistemas de monitorización en tiempo real orientados a tareas de tracking, de control de stock utilizando drones, de asistentes digitales para cabinas de avión, de detección de personas para medir la distancia social o de detección de objetos para controlar el tráfico y medir niveles de contaminación y polución, entre otras aplicaciones.
• Análisis, procesamiento y tratamiento de señales, imágenes y vídeos (datos 1D, 2D y 3D).
• Sistemas de análisis aplicados al sector agroalimentario como, por ejemplo, el control inteligente de cultivos utilizando ortoimágenes, la predicción de la madurez óptima de frutas y vegetales a partir de imagen hiperespectral y la detección de artefactos en el envasado de productos alimenticios.
• Reconocimiento de patrones a partir de grandes cantidades de datos estructurados aplicando técnicas de big data.
• Sistemas de inteligencia artificial orientados al sector «»business and analytics»» para predicción bursátil, estimación del precio de una vivienda, recomendación de productos personalizados al perfil del cliente, etc.
• Sistemas inteligentes zero defect dedicados al sector industrial para emplearse en diversos procesos de manufacturing como la fabricación en serie o la fabricación en lotes.