El investigador del CiTIUS Lorenzo Vaquero recibe el mayor premio estatal en movilidad y accesibilidad
La Fundación Renault y el 'Club de Excelencia en Sostenibilidad' reconocen al investigador predoctoral del Centro Singular de Investigación en Tecnologías Inteligentes de la Universidad de Santiago (CiTIUS – USC) con el galardón al Mejor Trabajo Final de Carrera STEM.
El investigador del CiTIUS Lorenzo Vaquero recogió este miércoles en Madrid el premio más relevante a nivel nacional en el ámbito de la movilidad y accesibilidad en España, un galardón concedido por la Fundación Renault para la Inclusión y la Movilidad Sostenible, en colaboración con el Club de Excelencia en Sostenibilidad y con el apoyo de la Fundación Biodiversidad del Ministerio para la Transición Ecológica y el Reto Demográfico.
El científico, que actualmente está desarrollando su tesis doctoral en el CiTIUS (Centro Singular de Investigación en Tecnologías Inteligentes de la Universidad de Santiago), se mostraba muy satisfecho al ser seleccionado como ganador de los ‘III Premios al Mejor Trabajo Final de Carrera STEM’ por su Trabajo de Fin de Máster (TFM): «Que te reconozcan tu labor siempre es una gran alegría, pero en este caso la alegría es doble, porque no es algo que se cierre con el TFM: esta línea de investigación forma parte de un proyecto con bastante vista al futuro», asegura Lorenzo Vaquero.
La VIII Edición de los Premios a la mejor práctica en Movilidad Sostenible y Accesible reconoció, así, las iniciativas más destacadas que están poniendo en marcha empresas, emprendedores, administraciones públicas y estudiantes universitarios para concienciar a la sociedad civil de la importancia de la movilidad sostenible.
Una aproximación innovadora
El premio concedido a Lorenzo Vaquero reconoce un trabajo científico en el que los investigadores del CiTIUS lograron desarrollar una nueva herramienta de seguimiento o tracking visual de objetos, un ámbito de especial interés en multitud de aplicaciones (como los vehículos autónomos o las cámaras de videovigilancia). Sin embargo, mientras que estos campos demandan sistemas capaces de seguir múltiples objetos en tiempo real, hasta ahora gran parte de la investigación en visión por computadora se había centrado en el tracking de un único elemento.
El trabajo premiado profundiza en esta problemática, destacando por su carácter innovador: «El trabajo en sí es bastante novedoso, porque se trata del primero tracker arbitrario de múltiples objetos basado en Deep Learning, algo que no se había hecho hasta ahora», afirma Vaquero. «Nuestra aproximación propone la extracción global de las características de cada fotograma de la imagen mediante una red neuronal convolucional, seguida de un recorte de las distintas áreas de búsqueda de los objetos», explica.
El sistema propuesto ha sido evaluado en distintos conjuntos de datos, reportando tasas de precisión y robustez altamente competitivas. Además, alcanza velocidades superiores a las de cualquier otro tracker de múltiples objetos basado en Deep Learning (aprendizaje profundo).
En lo que respecta a su relación con el premio, el investigador predocoral destaca que «nuestra herramienta de seguimiento es capaz de funcionar en tiempo real, lo que significa, por ejemplo, que es apta para ser implementada en vehículos autónomos». Y añade: «El nuevo sistema también funciona con múltiples objetos, por lo que es apto para entornos ricos y variados, donde se localiza una gran cantidad de objetos de interés; y, por otra parte, es arbitrario, o lo que es lo mismo: admite cualquier tipo de categoría u objeto».
El investigador del CiTIUS Lorenzo Vaquero recogió este miércoles en Madrid el premio más relevante a nivel nacional en el ámbito de la movilidad y accesibilidad en España, un galardón concedido por la Fundación Renault para la Inclusión y la Movilidad Sostenible, en colaboración con el Club de Excelencia en Sostenibilidad y con el apoyo de la Fundación Biodiversidad del Ministerio para la Transición Ecológica y el Reto Demográfico.
El científico, que actualmente está desarrollando su tesis doctoral en el CiTIUS (Centro Singular de Investigación en Tecnologías Inteligentes de la Universidad de Santiago), se mostraba muy satisfecho al ser seleccionado como ganador de los ‘III Premios al Mejor Trabajo Final de Carrera STEM’ por su Trabajo de Fin de Máster (TFM): «Que te reconozcan tu labor siempre es una gran alegría, pero en este caso la alegría es doble, porque no es algo que se cierre con el TFM: esta línea de investigación forma parte de un proyecto con bastante vista al futuro», asegura Lorenzo Vaquero.
La VIII Edición de los Premios a la mejor práctica en Movilidad Sostenible y Accesible reconoció, así, las iniciativas más destacadas que están poniendo en marcha empresas, emprendedores, administraciones públicas y estudiantes universitarios para concienciar a la sociedad civil de la importancia de la movilidad sostenible.
Una aproximación innovadora
El premio concedido a Lorenzo Vaquero reconoce un trabajo científico en el que los investigadores del CiTIUS lograron desarrollar una nueva herramienta de seguimiento o tracking visual de objetos, un ámbito de especial interés en multitud de aplicaciones (como los vehículos autónomos o las cámaras de videovigilancia). Sin embargo, mientras que estos campos demandan sistemas capaces de seguir múltiples objetos en tiempo real, hasta ahora gran parte de la investigación en visión por computadora se había centrado en el tracking de un único elemento.
El trabajo premiado profundiza en esta problemática, destacando por su carácter innovador: «El trabajo en sí es bastante novedoso, porque se trata del primero tracker arbitrario de múltiples objetos basado en Deep Learning, algo que no se había hecho hasta ahora», afirma Vaquero. «Nuestra aproximación propone la extracción global de las características de cada fotograma de la imagen mediante una red neuronal convolucional, seguida de un recorte de las distintas áreas de búsqueda de los objetos», explica.
El sistema propuesto ha sido evaluado en distintos conjuntos de datos, reportando tasas de precisión y robustez altamente competitivas. Además, alcanza velocidades superiores a las de cualquier otro tracker de múltiples objetos basado en Deep Learning (aprendizaje profundo).
En lo que respecta a su relación con el premio, el investigador predocoral destaca que «nuestra herramienta de seguimiento es capaz de funcionar en tiempo real, lo que significa, por ejemplo, que es apta para ser implementada en vehículos autónomos». Y añade: «El nuevo sistema también funciona con múltiples objetos, por lo que es apto para entornos ricos y variados, donde se localiza una gran cantidad de objetos de interés; y, por otra parte, es arbitrario, o lo que es lo mismo: admite cualquier tipo de categoría u objeto».