El congreso IV es una referencia a nivel internacional donde investigadores, ingenieros y estudiantes procedentes de la industria, universidades, centros de investigación y agencias gubernamentales son invitados a presentar sus últimos trabajos de investigación sobre vehículos inteligentes. Está  patrocinado por la sociedad IEEE Intelligent Transportation Systems Society (ITSS) y en su edición de 2017 se presentaron 297 trabajos de autores de 30 países diferentes. La asistencia superó los 400 participantes.
 
El artículo ganador trata de visión computacional y percepción para vehículos autónomos, y propone un método novedoso y eficiente para percibir la escena de conducción mediante ‘segmentación semántica’: la segmentación semántica consiste en procesar una imagen y etiquetar cada píxel para saber qué clase de elementos se está viendo en cada punto de la imagen ( coche, carretera, peatón, ciclista, árbol...). Esta técnica traslada a los vehículos inteligentes información de alto nivel que les permite realizar la navegación autónoma evitando obstáculos. Los métodos actuales para realizar segmentación semántica están basados en ‘deep learning’ (aprendizaje profundo) y consisten en diseñar arquitecturas complejas llamadas redes convolucionales neuronales (ConvNets).  El problema es que estas redes normalmente son muy costosas de procesar en los ordenadores actuales, puesto que usan millones de parámetros para modelar las imágenes. El artículo de Eduardo Romera propone una red convolucional que es mucho más eficiente y tiene una precisión comparable a los métodos actuales, consiguiendo clasificar imágenes enteras con alta resolución en pocos milisegundos en ordenadores modernos, incluso en ‘hardware' limitado, lo que tiene aplicaciones muy interesantes en el mundo de la conducción autónoma y la movilidad inteligente.

Publicado en: Actualidad