Δημοσίευση επιστημονικού άρθρου στην IEEE σε Conference & Journal με τη συνδρομή στελεχών του ΕΚΟΜΕ - EKOME

EKOME

Δημοσίευση επιστημονικού άρθρου στην IEEE σε Conference & Journal με τη συνδρομή στελεχών του ΕΚΟΜΕ

Δημοσίευση επιστημονικού άρθρου στην IEEE σε Conference & Journal με τη συνδρομή στελεχών του ΕΚΟΜΕ

  • από

Το ΕΚΟΜΕ ως καινοτόμος οργανισμός της Δημόσιας Διοίκησης, έχοντας υλοποιήσει σημαντικά τεχνολογικά επιτεύγματα με τη συμβολή της Διεύθυνσης Πληροφορικής και Τεχνικής Λειτουργίας, προσθέτει επιπλέον στη φαρέτρα των διακρίσεών του, την πρόσφατη δημοσίευση επιστημονικού άρθρου με τίτλο «Deep Learning – based Detection of Greek Locations and Landmarks: A Qualitative Analysis of Weakly Supervised Classification and Supervised Detection».

Το άρθρο παρουσιάστηκε με επιτυχία στο 8th IEEE International Conference on Mathematics and Computers in Sciences and Industry, αναδεικνύοντας παράλληλα τον ακαδημαϊκό και εκπαιδευτικό ρόλο του ΕΚΟΜΕ. Περίληψη του άρθρου συμπεριλήφθηκε στα πρακτικά του συνεδρίου, ενώ αναλυτικότερη έκδοσή του θα δημοσιευθεί στο Journal Explore της ΙΕΕΕ.

Η IEEE (Institute of Electrical and Electronic Engineers), είναι ο μεγαλύτερος οργανισμός τεχνικών επαγγελματιών παγκοσμίως, με σχεδόν μισό  εκατομμύριο μέλη σε 160 χώρες και διαδραματίζει κρίσιμο ρόλο στην προώθηση της τεχνολογίας και της καινοτομίας, αποτελώντας τη μεγαλύτερη τεχνολογική επαγγελματική κοινότητα στον κόσμο

Αφετηρία για την επιστημονική μελέτη αποτέλεσε η καινοτόμα πλατφόρμα Media Asset Management που αναπτύχθηκε μέσω του project LoockMe στο οποίο συμμετείχε το ΕΚΟΜΕ. Η πλατφόρμα είναι διαθέσιμη στο υπολογιστικό νέφος (cloud) και θα δίνει τη δυνατότητα για ενοποιημένη και ευφυή αναζήτηση καθώς επίσης κατηγοριοποίηση οπτικού υλικού, μέσω σύγχρονων τεχνικών ανάλυσης περιεχομένου (τεχνολογία της  Βαθιάς Μάθησης/Deep Learning, Επεξεργασία Φυσικής Γλώσσας/Natural Language Processing (NLP), χρήση οντολογιών και αναγνώριση φωνής).

Η μελέτη αποτελεί την πρώτη συστηματική απόπειρα για την εκπαίδευση μοντέλων Τεχνητής Νοημοσύνης με τη χρήση επίγειων και εναέριων φωτογραφιών σε αντικείμενα και τοποθεσίες τοπικού ενδιαφέροντος. Για τον σκοπό αυτό αρχικά εκπαιδεύτηκαν συστήματα βαθιάς μάθησης που το καθένα υλοποιούσε διαφορετικό μοντέλο αρχιτεκτονικής YOLO (“You Only Look Once”) και τελικά επιλέχθηκε αυτό με την ισχυρότερη προγνωστική ισχύ.

Παρακολουθείστε εδώ την παρουσίαση του άρθρου που δημιουργήθηκε με την συνδρομή της Διεύθυνσης Πληροφορικής και Τεχνικής Λειτουργίας του ΕΚΟΜΕ.

Διαβάστε εδώ περισσότερες πληροφορίες για το LookMe και τη σχετική έρευνα.

Κοινοποιήστε την Ανάρτηση