Ir al contenido principal

Miembros

GAVAB está compuesto por los siguientes miembros:
  • Dr. D. Ángel Sánchez Calle.- Es profesor de la Escuela Técnica Superior de Ingeniería Informática de la Universidad Rey Juan Carlos desde el año 1998 (anteriormente lo fue en la Universidad Politécnica de Madrid). Ha publicado más de 50 trabajos en revistas indexadas JCR, más de 150 artículos en congresos y ha participado en más de 30 proyectos de investigación competitivos y también en proyectos con empresas.
  • Dra. Dña. Ana Belén Moreno Díaz.- Es profesora de la Universidad Rey Juan Carlos desde 1998, Doctora desde 2004 y especialista en Técnicas de Visión Tridimensional, particularmente ha trabajado Reconocimiento Facial Automático utilizando imágenes faciales 3D. Sus líneas de interés se centran en el procesamiento de imágenes 3D, la biometría en general, el reconocimiento facial automático y el análisis automático de expresiones faciales.
  • Máster Dña. Victoria Ruiz Parrado.- Trabaja en la URJC como Profesora Visitante desde el año 2017. Ha publicado artículos en revistas dentro del índice JCR y en congresos relacionados con la visión artificial. También ha trabajado varios años en departamentos de I+D del sector privado.
  • Dr. D. José Francisco Vélez Serrano.- Es profesor en la URJC desde 1999. También ha trabajado 12 años en departamentos de I+D del sector privado. Ha publicado más de 12 artículos en revistas dentro del índice JCR y más de 30 artículos en congresos relacionados con la visión artificial. 
  • Dr. D. José Miguel Buenaposada.- Es profesor en la URJC desde 2003. Sus trabajos se han publicado en las conferencias principales del campo de la Visión por Computadora como la Computer Vision and Pattern Recognition (CVPR), IEEE International Conference on Computer Vision (ICCV), European Conference on Computer Vision (ECCV) o British Machine Vision Conference (BMVC).

Además, actualmente cuenta con los siguientes colaboradores:

  • Bruno García Lara, investigador contratado por el proyecto ASTRID.
  • Adrián López Balboa, estudiante del MUVA que desarrolla sistemas de visión artifical para la verificación de firmas.
  • D. Alvaro Barreiro Garrido.- Ayudante de Investigación.

Entradas populares de este blog

Multiview 3D human pose estimation using improved least-squares and LSTM networks

Publicado en Neurocomputing En este artículo se presenta un método para estimar la pose del cuerpo humano en 3D a partir de múltiples vistas 2D utilizando aprendizaje profundo. El sistema está formado una sucesión de subsistemas. Primeramente, se obtienen las poses 2D usando una red de neuronas profunda que detecta los puntos claves de un esqueleto simplificado del cuerpo en las vistas disponibles. Luego, se recosntruyen las coordenadas 3D de cada punto utilizando una propuesta original, basada en optimización de mínimos cuadrados, que analiza la calidad de las anteriores detecciones 2D para decidir si aceptarlas o no. Una vez que se dispone de las poses 3D, se estima la posición completa del cuerpo, teniendo en cuenta la historia pasada para refinarla mediante una red LSTM. En la parte experimental, el artículo ofrece unos resultados competitivos cuando se compara con trabajos representativos de la literatura. In this paper we present a deep learning based method to estimate the

SSD vs. YOLO for Detection of Outdoor Urban Advertising Panels under Multiple Variabilities

Publicado en Sensors    Este trabajo compara una red SSD con una red YOLO para el problema de detección del paneles de publicidad exterior en entornos urbanos reales.  La detección de paneles de publicidad en imágenes ofrece importantes aplicaciones tanto en el mundo real como en el virtual. Por ejemplo, aplicaciones como Google Street View podrían utilizarla para actualizar o personalizar la publicidad que aparece en las imagenes de las calles.  En nuestros experimentos, tanto las redes SSD como las redes YOLO han producido resultados interesantes ante diferentes tamaños de paneles, condiciones de iluminación, perspectivas de visión, oclusiones parciales, fondos complejos y múltiples paneles en cada escenas.  Debido a la dificultad de encontrar imágenes anotadas para el problema considerado, creamos nuestro propio conjunto de datos para llevar a cabo los experimentos.  La mayor fortaleza del modelo SSD fue la casi eliminación de los casos de Falsos Positivos (FP), situación que es pr

ASTRID - Análisis y Transcripción Semántica para Imágenes de Documentos Manuscritos

Ministerio de Ciencias, innovación y universidades Advances in the development of methods for automatically extracting and understanding the content of handwritten digitized documents will continue being an important need for our society. This project addresses three challenging computational problems related to automatic handwritten text processing of document images: (1) document layout extraction over unstructured documents, (2) continuous handwritten text recognition under unrestricted conditions and (3) offline verification of human signatures using advanced deep neural models, respectively. The proposed solutions to previous problems will be adapted to several applications presenting a socio-economic interest. In particular: the analysis and transcription of historical documents, and some demographic prediction problems based on use of handwriting (for example, recognizing the gender or handedness of a person). In this project, we will emphasize the application of developments