Decree of the Rector n. 172 of 25/03/2021
Competition for awarding 1 research grant at the University of Udine
DISCLAIMER:
The official and legally binding notice is in Italian only.
This document cannot be used for legal purposes and is only meant to provide information in English on the notice for applications (Decree of the Rector n. 172 of 25/03/2021). Please refer to the official notice published on: web.uniud.it/ateneo/normativa/albo_ufficiale
Any change and integration will be made available on the above mentioned web page. Therefore, no personal written communication regarding the examination date and/or competition results shall be provided to applicants.
GENERAL INFORMATION
RESEARCH GRANT PROJECT
Responsabile scientifico della ricerca / Principal investigator:
Nome e cognome / Name and surname: Niki Martinel
Qualifica / Position: Ricercatore Legge 240/10 (RTD) / Assistant Professor
Dipartimento / Department: Scienze Matematiche, Informatiche e Fisiche (DMIF) / Mathematics, Computer Science and Physics
Area MIUR / Research field: 01 - Scienze matematiche e informatiche
Settore concorsuale e Settore scientifico disciplinare / Scientific sector: INF/01 (Informatica) Titolo dell’assegno di ricerca / Topic of the research fellowship “assegno di ricerca”:
I bandi sono consultabili dal sito dell’Ateneo, del MIUR e Euraxess / The calls are available on the University, MIUR and Euraxess websites Testo in italiano:
Sistemi di apprendimento basati su tecniche di machine learning non supervisionato per il monitoraggio di fattori ambientali tramite analisi di immagini.
Text in English:
Unsupervised machine learning through image analysis.
Obiettivi previsti e risultati attesi del programma di ricerca in cui si colloca l’attività dell’assegnista di ricerca / Foreseen objectives and results of the research programme performed by the research fellow “assegnista di ricerca”:
I bandi sono consultabili dal sito dell’Ateneo, del MIUR e Euraxess / The calls are available on the University, MIUR and Euraxess websites Testo in italiano:
È un dato di fatto, che, ad oggi, gli ambienti marini sono diventati delle vere e proprie discariche abusive. Infatti, un recente dossier del WWF riporta che nel mar Mediterraneo ci sarebbero 3 miliardi di rifiuti galleggianti o addensati sui fondali, di cui il 70-80% costituiti da plastica: sacchetti, bottiglie, sigarette e mozziconi.
Tale crescente problema apre alla necessità di individuare delle soluzioni per il monitoraggio ambientale in contesto marino che richiedano un limitato intervento umano. In tale scenario, una delle difficoltà maggiori consiste nel reperimento di informazioni ambientali riguardanti le zone di mare aperto. Tali difficoltà sono causate dagli enormi costi richiesti per sostenere un’attività istituzionale da parte degli enti preposti per scandagliare delle aree così vaste e spesso non facilmente raggiungibili.
L’idea alla base del progetto è quindi quella di utilizzare dati visuali provenienti da sorgenti pubbliche (satelliti, social networks, etc.) che possono non essere direttamente legati agli scopi del progetto stesso. L’idea è quindi quella di utilizzare i big data prodotti, non solo per scopi ambientali, ma considerare anche dati generici che possono essere associati a tale ambito (es., si potranno considerare le immagini associate a Tweet aventi hashtag relazionati al contesto ambientale/marino). Tali dati, non essendo acquisiti mediante attività istituzionali non saranno pertanto direttamente legati agli scopi ambientalistici del progetto e potrebbero contenere informazioni fuorvianti, come ad esempio, immagini di animali, imbarcazioni, etc. Tali dati rientrano pertanto nelle categorie di informazioni cosiddette non supervisionate, ovvero che non hanno associata una “etichetta” assegnata in modo manuale da un operatore.
Il fatto che questi dati non siano etichettati preclude quindi la possibilità di applicare le comuni tecniche di machine learning che permettono di apprendere i parametri di un modello matematico atto a classificare un determinato input.
Tuttavia, ad oggi, la comunità scientifica sta esplorando nuove aree di ricerca tali per cui si possono apprendere i parametri di un modello di machine learning senza l’utilizzo diretto di dati etichettati. Queste tecniche rientrano nel paradigma del machine learning non supervisionato.
Con questo progetto si propone lo studio di diversi approcci di machine learning non supervisionati che possano poi essere utilizzati per poter identificare un set di oggetti particolarmente critici per l’ambiente marino, come sacchetti di plastica, bottiglie, etc. Nello specifico, l’assegnista di ricerca sarà guidato nello sviluppo di tecniche di clustering o sistemi di reti neurali basati su grafici che utilizzano modelli pre-allenati per la generazione di pseudo-etichette che possano essere poi utilizzate per l’addestramento dei sistemi di machine learning.
Obiettivo principale del progetto di ricerca:
Sono attesi i seguenti contributi:
i) Un sistema di acquisizione dati che permetta di estrapolare immagini marine/ambientali in modo autonomo tramite l’analisi dei big data;
ii) un approccio di machine learning non supervisionato per addestrare un modello di rete neurale artificiale che possa essere in seguito utilizzato per classificare un determinato set di oggetti rilevanti per stabilire le condizioni dell’ambiente marino.
Risultati attesi:
Invio di almeno un articolo su rivista internazionale e pubblicazione di almeno un articolo su Proceedings di una conferenza internazionale di alto livello.
Text in English:
It is a matter of fact that, to date, marine environments have become genuine illegal dumps. In fact, a recent dossier by WWF shows that in the Mediterranean Sea there are 3 billion waste floating or thickened on the seabed, 70-80%
of which is plastic: bags, bottles, cigarettes, and butts.
This growing problem opens the need to identify solutions for environmental monitoring in the marine environment that require limited human intervention. In such a scenario, one of the major difficulties consists in the retrieval of environmental information concerning open sea areas. These difficulties are caused by the enormous costs required to support an institutional activity by the agencies responsible for sounding areas so vast and often not easily accessible.
The idea behind the project is therefore to use visual data from public sources (satellites, social networks, etc..) that
environmental purposes, but also to consider generic data that can be associated with this area (e.g., you can consider the images associated with Tweets having hashtags related to the environmental/marine context). These data, not being acquired through institutional activities will not be directly related to the environmental purposes of the project and could contain misleading information, such as images of animals, boats, etc.. Such data therefore fall into the categories of so-called unsupervised information, i.e., that does not have an associated "label", manually assigned by an operator.
The fact that these data are not labelled therefore precludes the possibility of applying the common supervised machine learning techniques that allow to learn the parameters of a mathematical model to classify a given input.
However, to date, the scientific community is exploring new areas of research such that the parameters of a machine learning model can be learned without the direct use of labelled data. These techniques fall under the paradigm of unsupervised machine learning.
With this project, we propose to study several unsupervised machine learning approaches that can then be used to be able to identify a set of objects that are particularly critical to the marine environment, such as plastic bags, bottles, etc. Specifically, the researcher will be guided in the development of clustering techniques or graph-based neural network systems using pre-trained models for the generation of pseudo-ethics that can then be used for training machine learning systems.
Main objective of the research project:
The following contributions are expected:
i) A data acquisition system that allows for autonomous extrapolation of marine/environmental imagery via big data analysis;
ii) An unsupervised machine learning approach to train an artificial neural network model that can later be used to classify a given set of objects relevant to establishing marine environmental conditions.
Expected Results:
Submission of at least one paper to an international journal and publication of at least one paper in Proceedings of a high-level international conference.
Struttura dell’Università di Udine presso la quale verrà sviluppata l’attività di ricerca / Department or other structure of the University of Udine where research activities will be carried out:
Laboratorio di Artificial Vision e Real Time Systems (AViReS), Dipartimento di Scienze Matematiche, Informatiche e Fisiche (DMIF) / Artificial Vision and Real Time Systems (AViReS) laboratory, Department of Mathematics, Computer Science and Physics
Importo dell’assegno di ricerca (al lordo oneri carico assegnista) / Total grant gross for the research fellowship:
€ 19.367,00
Durata dell’assegno di ricerca / Duration of the research fellowship “assegno di ricerca”:
12 mesi / months
Finanziamento / Financed by:
Ricerca Libera Foresti
Requisiti di ammissione / Minimum qualifications necessary:
- Possesso del titolo di Dottore di ricerca o titolo equivalente conseguito all’estero;
- possesso di un curriculum scientifico professionale idoneo allo svolgimento dell’attività di ricerca contemplata.
- Research doctorate or equivalent qualification obtained abroad;
- professional scientific curriculum suitable for the research activity above mentioned.
Procedura selettiva / Competition procedure:
Valutazione per soli titoli / Assessment of qualifications only Commissione giudicatrice / Examining Board:
Nome e Cognome Qualifica SSD Università
Membri Effettivi / Permanent members
Niki Martinel RTD INF/01 Università degli Studi di Udine
Christian Micheloni PA INF/01 Università degli Studi di Udine
Gian Luca Foresti PO INF/01 Università degli Studi di Udine
Membro Supplente / Temporary members
Claudio Piciarelli PA INF/01 Università degli Studi di Udine
APPLICATIONS AND DEADLINE
Application for admission to the competition
Entries to competition begin on 1 April 2021 at 02:00 p.m. (Italian time) and end on 19 April 2021 at 02:00 p.m.
(Italian time).
The application to participate to the selection must be completed, under penalty of exclusion, using the online procedure at the address https://pica.cineca.it/
The online procedure involves two stages:
Stage I – Registration
Stage II – Filling out the online application.
At the end of Stage II, the applicant must print out the application form, sign it in the manner (manual signature, with attached identity document, or digital signature) described in the online procedure, under penalty of exclusion from the selection.
Documents, qualifications and publications, as listed in art. 4 of the above mentioned Notice of competition, must be attached to the online application in electronic format (.pdf). The size cannot be larger than 30 MB.
The application to participate to the selection process is automatically sent to the University of Udine with the final closure of the online procedure.
The University administration:
- does not assume any responsibility in case it is impossible to read the documentation submitted in electronic format due to damaged files;
- does not accept or take into consideration titles or documents received in paper format or in a manner different from that set out in this article;
The administration takes no responsibility for the loss of any communications resulting from an inaccurate indication of the residence address of the applicant, or from the lack or tardy communication of their change, nor from any possible mail delivery or postal error not due to any fault of the administration.
Applicants are advised not to wait until the last days before the deadline of this call. The University assumes no liability for any malfunctions due to technical problems and/or overloading of the communication line and/or application systems.
Personal data collected, also with IT tools, are aimed at managing the procedure of the competition and the subsequent stipulation and management of the contract. The University of Udine is the “Data Controller”. At any time, you can request access, corrections and, according to the University institutional purposes, the cancellation and limitation of the processing or oppose the processing of your data. You can always submit a complaint to the Italian Authority for data protection. The complete information is available on the University of Udine website in the section
“privacy” accessible from the home page www.uniud.it
Direct link: https://www.uniud.it/it/it/pagine-speciali/guida/privacy
Head of the procedure
The officer in charge of the proceedings is Dr. Sandra Salvador, Head of Area Servizi per la Ricerca of the University of Udine. The responsible Office of the University of Udine is the Area Servizi per la Ricerca – Ufficio Formazione per la Ricerca, via Mantica n. 31 - 33100 Udine (tel +39 0432 556390 Fax +39 0432 556299). Office hours: Monday to Thursday from 11:00 am to 1:00 pm (Italian time); Monday from 03:00 pm to 05:00 pm (Italian time).
For further information about the notice: https://helpdesk.uniud.it/SubmitSR.jsp?type=req&populateSR_id=42105
