Amas de Llaves • Oviedo
Descripción del trabajo:
Contexto: El diseño neuromórfico está revolucionando las arquitecturas (von Neumann) de procesamiento, que han permanecido con pocos cambios destacables por décadas. Uno de los objetivos que persigue la tecnología neuromórfica es ejecutar algoritmos AI de manera mucho más eficiente (en términos de energía y recursos) en dispositivos IoT miniaturizados, permitiendo que la AI sea omnipresente, de acuerdo con la visión AIoT. En IKERLAN hemos conseguido posicionarnos en este ecosistema, desde una perspectiva de investigación, a través del proyecto coordinado NimbleAI.
Objetivo: El objetivo de esta tesis es el diseño e implementación de nuevos algoritmos de pre-procesamiento de eventos visuales entregados por sensores de imagen neuromórficos DVS (Dynamic Vision Sensors) considerando su evolución en el tiempo y espacio, destinados a la implementación near-sensor digital y eficiente.
En particular, los algoritmos de preprocesamiento eliminarán el ruido no deseado (ej., eventos producidos en superficies texturizadas) y condensarán la información visual de la forma más eficiente posible para simplificar las etapas de procesamiento posteriores.
Se tomará como fuente de inspiración los procesos de atención bottom-down y top-bottom que el cerebro implementa y que permiten economizar el consumo de energía y uso de recursos computacionales. Los algoritmos de pre-procesamiento tratarán de ser genéricos e independientes de la aplicación (bottom-up), si bien se considerarán las implicaciones que el procesamiento dependiente de la aplicación (top-down) pueda tener en la etapa de pre-procesado.
La tesis estudiará mecanismos de adaptación de sensores DVS a sistemas/algoritmos de procesamiento de imagen convencionales (basados en frames y con interfaz de acceso única), como los que utilizan nuestros clientes.
Requisitos:
J-18808-Ljbffr