热门标签 | HotTags
当前位置:  开发笔记 > 编程语言 > 正文

全奖博士招生,荷兰根特大学​IDLab实验室,手语手势识别方向

项目描述根特大学IDLab的AIRO团队在视频手语识别这一领域研究历史悠久且具有领先地位。在近期获批的欧洲项目SignON中,希望更进一步推荐从手势识别到实际翻译的研

项目描述

根特大学IDLab 的 AIRO 团队在视频手语识别这一领域研究历史悠久且具有领先地位。在近期获批的欧洲项目 SignON 中,希望更进一步推荐从手势识别到实际翻译的研究。这项研究,一方面意味着从手势到语言模型的转变;另一方面,需要填补手势之间的空缺,因为实际中手语译员使用模仿和面部表情代替 "标准 "手势。

该领域的主要困难之一是缺乏标签数据,因此任何方法都必须很大程度上建立在无监督学习、迁移学习上。

该职位需要与 IDLab 的同事、专门研究手语(佛兰芒语)的语言学家、弗拉芒聋人社区以及 SignON 项目中的国际合作伙伴合作。使用最先进的机器学习、深度学习以及语言技术研究和开发旨在理解和翻译手语的解决方案。同时鼓励入选者在国际会议上发表和展示所做的工作,抑或参加有用的暑期课程。

任职要求

〖教育背景〗

  • 需要有理学硕士学位,计算机科学(工程)、信息和通信技术或信息学专业的优先考虑

  • 学位必须相当于在欧盟学习4或5年(学士+硕士),坚实的学术记录(以优异的成绩毕业或成绩在前25%)

  • 具有获得佛兰芒博士奖学金的条件

  • 有机器学习方面的知识和经验,优势是有深度学习的经验

  • 特别鼓励聋哑人或重听人申请

〖技能要求〗

  • 如果您是听障人士:需要有流利的英语口语与书面能力,会说和理解荷兰语或者愿意在短时间内学习,愿意学习佛兰芒语手语的基础知识

  • 如果您是一名聋人:可以用佛兰芒手语进行交流,并有足够的英语书面能力,能够关注相关领域的最新动态,并在具有高影响力的期刊和会议上发表工作成果。

其它技能〗

  • 具有务实的观念,积极与聋人社区密切互动,进行用户驱动的研究

  • 对研究课题有兴趣,有动力,也希望获得博士学位

  • 有创造力和分析能力,可以独立工作,也可以团队合作

  • 有良好的沟通能力、开放的心态和多学科的态度

关注直通车

福利待遇〗

提供全额资助的博士生奖学金,最长期限为 4 年(经进展评估合格)

申请资料〗

motivation letter、scientific resume、文凭和详细的学术成果(课程和成绩)、欧盟以外学位的应聘者需提供英语能力成绩,相关出版物(如有)、两名参考联系人

申请截止日期〗

第一批次:2020 年 12 月 15 日

第二批次:若第一批次没有足够候选人,将于2020 年 12 月 15 日和 2021 年 1月 15 日之间继续开放申请

点击阅读原文申请。

注明:博士

求职招聘群

博士博士后招募、求职招聘、校园招聘、社会招聘和职场人生等信息,扫码添加CV君拉你入群,若已为CV君其他账号好友请直接私信。

我爱计算机视觉

微信号 : aicvml

QQ群:805388940

微博/知乎:@我爱计算机视觉

投稿:amos@52cv.net

网站:www.52cv.net

在看,让更多人看到  



推荐阅读
  • 微软头条实习生分享深度学习自学指南
    本文介绍了一位微软头条实习生自学深度学习的经验分享,包括学习资源推荐、重要基础知识的学习要点等。作者强调了学好Python和数学基础的重要性,并提供了一些建议。 ... [详细]
  • 生成式对抗网络模型综述摘要生成式对抗网络模型(GAN)是基于深度学习的一种强大的生成模型,可以应用于计算机视觉、自然语言处理、半监督学习等重要领域。生成式对抗网络 ... [详细]
  • 本文介绍了在Python张量流中使用make_merged_spec()方法合并设备规格对象的方法和语法,以及参数和返回值的说明,并提供了一个示例代码。 ... [详细]
  • 本文介绍了贝叶斯垃圾邮件分类的机器学习代码,代码来源于https://www.cnblogs.com/huangyc/p/10327209.html,并对代码进行了简介。朴素贝叶斯分类器训练函数包括求p(Ci)和基于词汇表的p(w|Ci)。 ... [详细]
  • 建立分类感知器二元模型对样本数据进行分类
    本文介绍了建立分类感知器二元模型对样本数据进行分类的方法。通过建立线性模型,使用最小二乘、Logistic回归等方法进行建模,考虑到可能性的大小等因素。通过极大似然估计求得分类器的参数,使用牛顿-拉菲森迭代方法求解方程组。同时介绍了梯度上升算法和牛顿迭代的收敛速度比较。最后给出了公式法和logistic regression的实现示例。 ... [详细]
  • 本人学习笔记,知识点均摘自于网络,用于学习和交流(如未注明出处,请提醒,将及时更正,谢谢)OS:我学习是为了上 ... [详细]
  • 本文介绍了P1651题目的描述和要求,以及计算能搭建的塔的最大高度的方法。通过动态规划和状压技术,将问题转化为求解差值的问题,并定义了相应的状态。最终得出了计算最大高度的解法。 ... [详细]
  • 推荐系统遇上深度学习(十七)详解推荐系统中的常用评测指标
    原创:石晓文小小挖掘机2018-06-18笔者是一个痴迷于挖掘数据中的价值的学习人,希望在平日的工作学习中,挖掘数据的价值, ... [详细]
  • sklearn数据集库中的常用数据集类型介绍
    本文介绍了sklearn数据集库中常用的数据集类型,包括玩具数据集和样本生成器。其中详细介绍了波士顿房价数据集,包含了波士顿506处房屋的13种不同特征以及房屋价格,适用于回归任务。 ... [详细]
  • 本文介绍了一个在线急等问题解决方法,即如何统计数据库中某个字段下的所有数据,并将结果显示在文本框里。作者提到了自己是一个菜鸟,希望能够得到帮助。作者使用的是ACCESS数据库,并且给出了一个例子,希望得到的结果是560。作者还提到自己已经尝试了使用"select sum(字段2) from 表名"的语句,得到的结果是650,但不知道如何得到560。希望能够得到解决方案。 ... [详细]
  • 3.223.28周学习总结中的贪心作业收获及困惑
    本文是对3.223.28周学习总结中的贪心作业进行总结,作者在解题过程中参考了他人的代码,但前提是要先理解题目并有解题思路。作者分享了自己在贪心作业中的收获,同时提到了一道让他困惑的题目,即input details部分引发的疑惑。 ... [详细]
  • 深度学习中的Vision Transformer (ViT)详解
    本文详细介绍了深度学习中的Vision Transformer (ViT)方法。首先介绍了相关工作和ViT的基本原理,包括图像块嵌入、可学习的嵌入、位置嵌入和Transformer编码器等。接着讨论了ViT的张量维度变化、归纳偏置与混合架构、微调及更高分辨率等方面。最后给出了实验结果和相关代码的链接。本文的研究表明,对于CV任务,直接应用纯Transformer架构于图像块序列是可行的,无需依赖于卷积网络。 ... [详细]
  • This article discusses the efficiency of using char str[] and char *str and whether there is any reason to prefer one over the other. It explains the difference between the two and provides an example to illustrate their usage. ... [详细]
  • 本文介绍了Python语言程序设计中文件和数据格式化的操作,包括使用np.savetext保存文本文件,对文本文件和二进制文件进行统一的操作步骤,以及使用Numpy模块进行数据可视化编程的指南。同时还提供了一些关于Python的测试题。 ... [详细]
  • 3年半巨亏242亿!商汤高估了深度学习,下错了棋?
    转自:新智元三年半研发开支近70亿,累计亏损242亿。AI这门生意好像越来越不好做了。近日,商汤科技已向港交所递交IPO申请。招股书显示& ... [详细]
author-avatar
U友50096560_359
这个家伙很懒,什么也没留下!
PHP1.CN | 中国最专业的PHP中文社区 | DevBox开发工具箱 | json解析格式化 |PHP资讯 | PHP教程 | 数据库技术 | 服务器技术 | 前端开发技术 | PHP框架 | 开发工具 | 在线工具
Copyright © 1998 - 2020 PHP1.CN. All Rights Reserved | 京公网安备 11010802041100号 | 京ICP备19059560号-4 | PHP1.CN 第一PHP社区 版权所有