Enmarcada no ciclo 'Investigadoras de prestixio' do CiTIUS
A chegada da aprendizaxe profunda (Deep Learning, DL) deu lugar a un rendemento sobrehumano en moitas tarefas, como o recoñecemento de beizos e caras ou a detección de cancro en imaxes médicas. Con todo, a clasificación segue sendo un campo aberto no caso dun gran número de clases nas que normalmente se producen grupos de clases cunha confusión significativa (tamén coñecido como recoñecemento de gran fino). Por outra banda, o DL baséase en métodos moi cobizosos que necesitan miles de imaxes cuxa anotación é un proceso longo e tedioso.
A aprendizaxe autosupervisada pretende ofrecer formas eficientes de utilizar grandes cantidades de imaxes non anotadas para que os modelos de DL sexan máis robustos e precisos. Nesta charla presentaremos o noso traballo sobre aprendizaxe autosupervisada e recoñecemento de gran fino. Ilustraremos como a aprendizaxe auto-supervisado e o recoñecemento de gran fino poden axudar a resolver problemas complexos de visión por computador como o recoñecemento de imaxes de alimentos onde as clases de alimentos teñen unha variación moi alta, hai unha gran similitude de clases de alimentos e hai grandes cantidades de imaxes de alimentos sen anotar.
Biografía
A profesora Petia Radeva é catedrática da Universitat de Barcelona (UB) e directora do Grupo de Investigación Consolidado "Intelixencia Artificial e Aplicacións Biomédicas (AIBA )" da Universidade de Barcelona. Os seus principais intereses céntranse na aprendizaxe automático/profunda e a visión por ordenador e as súas aplicacións á saúde. Temas específicos de interese: aprendizaxe profunda centrada en datos, modelado de incerteza, aprendizaxe autosupervisado, aprendizaxe continua, aprendizaxe con etiquetaxe ruidoso, aprendizaxe multimodal, NeRF, recoñecemento de alimentos, ontoloxía alimentaria, etc.
Foi IP da UB en 7 proxectos europeos, 3 internacionais e máis de 25 nacionais dedicados a aplicar a Visión por Innovador e a Aprendizaxe Automática a problemas reais como a monitorización da inxesta de alimentos (por exemplo, para pacientes con transplantes de ril e para persoas maiores). Supervisou a 24 estudantes de doutoramento e publicou máis de 100 artigos en revistas científicas e 250 capítulos e actas internacionais. O seu índice h en Google scholar é de 53 con máis de 11300 citas. É redactora xefe da revista Pattern Recognition (Q1, IP= 8.0). É Directora de Investigación da Axencia Estatal de Investigación (AEI) do Ministerio de Ciencia e Innovación de España.
Petia Radeva pertence ao 2% superior do ranking mundial de científicos con maior impacto no campo das TIC segundo os indicadores de citas do popular ranking de Stanford. Así mesmo, foi seleccionada no primeiro 6% do ranking de investigadoras españolas e estranxeiras máis citadas de calquera campo segundo o Ranking do CSIC. Ademais, foi galardoada co IAPR Fellow desde 2015, ICREA Academia '2015 e ICREA Academia' 2022 asignada aos 30 mellores científicos de Cataluña polos seus méritos científicos, recibiu varios premios internacionais e nacionais ("Aurora Pons Porrata" do CIARP, Premio "Antonio Caparrós" á mellor transferencia de tecnoloxía na UB, etc).