< Terug naar vorige pagina

Project

Coöperatieve camera scène modellering met behulp van metadata.

ACHIEVE-ETN beoogt een nieuwe generatie wetenschappers op te leiden via een onderzoeksprogramma inzake sterk geïntegreerde hard- en softwarecomponenten voor de implementatie van ultra-efficiënte ingebedde vision-systemen als basis voor innovatieve gedistribueerde vision-toepassingen. Zij zullen kernvaardigheden ontwikkelen in meerdere disciplines, van het ontwerp van beeldsensoren tot gedistribueerde visie-algoritmen, en tegelijkertijd de multidisciplinaire achtergrond delen die nodig is om complexe problemen in informatie-intensieve vision-gebaseerde toepassingen te begrijpen. Tegelijkertijd zullen zij een reeks overdraagbare vaardigheden ontwikkelen die hen beter in staat stellen hun onderzoeksresultaten in nieuwe producten en diensten om te zetten en hun carrièrevooruitzichten in het algemeen te verbeteren. Alles bij elkaar zal ACHIEVE-ETN hooggekwalificeerde beginnende onderzoekers opleiden die in staat zijn innovatieve oplossingen te creëren voor opkomende technologiemarkten in Europa en de rest van de wereld, maar ook om nieuwe bedrijven op te zetten door zich bezig te houden met aanverwante ondernemersactiviteiten. Het consortium bestaat uit 6 academische en 1 industriële begunstigde en 4 industriële partners. De opleiding van de 9 ESR's zal worden gerealiseerd door de juiste combinatie van toponderzoek, detacheringen bij het bedrijfsleven, specifieke cursussen over kernvaardigheden en overdraagbare vaardigheden, en academisch-industriële workshops en netwerkevenementen, dit alles in overeenstemming met de doelstellingen van de oproep van internationale, intersectorale en interdisciplinaire mobiliteit.

Datum:1 okt 2021 →  30 sep 2022
Trefwoorden:machinaal leren, modellering van menselijk gedrag, diep leren, slim verkeer, gedistribueerde vision-systemen, slimme beeldsensoren, coöperatieve vision, vision processing chips, ingebedde vision-systemen
Disciplines:Computer vision, Patroonherkenning en neurale netwerken, Visuele data-analyse