Francisco J. Castellanos és Professor Ajudant Doctor en el Departament de Llenguatges i Sistemes Informàtics de la Universitat d’Alacant, i membre del Grup de Reconeixement de Patrons i Intel·ligència Artificial. Va obtindre el Doctorat en Informàtica per la Universitat d’Alacant en 2022.
La seua carrera investigadora va començar en l’anàlisi d’imatges de documents, centrada en l’extracció d’informació a partir de fonts visuals estructurades. Ha abordat problemes de reconeixement de símbols, anàlisi d’elements gràfics, segmentació, variabilitat de disposició, condicions heterogènies d’adquisició i documents degradats o difícils d’anotar exhaustivament. La seua investigació doctoral va ser finançada per la Generalitat Valenciana amb una beca predoctoral competitiva. Després de finalitzar la tesi, va rebre el segon premi a la millor tesi doctoral atorgat per AERFAI. A més, ha sigut seleccionat provisionalment per al Premi Extraordinari de Doctorat de la Universitat d’Alacant, pendent de resolució definitiva.
La seua producció científica inclou 15 articles en revistes d’alt impacte i 21 contribucions en congressos i tallers internacionals, amb 401 citacions segons Google Scholar. Ha participat també en els comités organitzadors d’IbPRIA i MEC, the Music Encoding Conference.
La seua activitat investigadora s’ha desenvolupat en projectes competitius com HISPAMUS (TIN2017-86576-R), MultiScore (PID2020-118447RA-I00), DOREMI (TED2021-132103A-I00), PolifonIA (TED2021-130776A-I00) i GV/2020/030. Estos projectes han consolidat la seua experiència en intel·ligència artificial, reconeixement de patrons, anàlisi d’imatges de documents, reconeixement òptic de música i processament multimodal. Una experiència internacional rellevant va ser la seua col·laboració amb la Universitat McGill, Mont-real, Canadà, dins del projecte SIMSSA. Durant prop d’un any, va treballar com a investigador i coordinador en l’equip d’anàlisi de documents, contribuint a la segmentació d’imatges de documents i implementant els models resultants en Rodan, la seua plataforma en línia. També ha contribuït a Repertorium, projecte de la Comissió Europea dedicat a l’ús d’intel·ligència artificial per a l’anàlisi i difusió del repertori musical europeu.
Actualment és Investigador Principal de Fa-Sol-La (CIGE/2024/212), finançat per la Generalitat Valenciana, en col·laboració amb EPITA Research Laboratory. Aquest projecte investiga adaptació al domini i aprenentatge few-shot per al processament robust d’imatges, amb l’objectiu de desenvolupar models capaços de generalitzar entre dades heterogènies requerint poques dades etiquetades. El seu perfil també inclou transferència tecnològica mitjançant convenis amb FacePhi, empresa especialitzada en verificació biomètrica, i amb l’Austrian Centre for Digital Humanities and Cultural Heritage.
El Dr. Castellanos compta amb més de cinc anys d’experiència docent en Enginyeria Informàtica i Enginyeria Robòtica en la Universitat d’Alacant. Ha supervisat 9 treballs de fi de grau i 6 treballs de fi de màster, i actualment dirigix una tesi doctoral centrada en aprenentatge eficient en models.
Francisco J. Castellanos és Professor Ajudant Doctor en el Departament de Llenguatges i Sistemes Informàtics de la Universitat d’Alacant, i membre del Grup de Reconeixement de Patrons i Intel·ligència Artificial. Va obtindre el Doctorat en Informàtica per la Universitat d’Alacant en 2022.
La seua carrera investigadora va començar en l’anàlisi d’imatges de documents, centrada en l’extracció d’informació a partir de fonts visuals estructurades. Ha abordat problemes de reconeixement de símbols, anàlisi d’elements gràfics, segmentació, variabilitat de disposició, condicions heterogènies d’adquisició i documents degradats o difícils d’anotar exhaustivament. La seua investigació doctoral va ser finançada per la Generalitat Valenciana amb una beca predoctoral competitiva. Després de finalitzar la tesi, va rebre el segon premi a la millor tesi doctoral atorgat per AERFAI. A més, ha sigut seleccionat provisionalment per al Premi Extraordinari de Doctorat de la Universitat d’Alacant, pendent de resolució definitiva.
La seua producció científica inclou 15 articles en revistes d’alt impacte i 21 contribucions en congressos i tallers internacionals, amb 401 citacions segons Google Scholar. Ha participat també en els comités organitzadors d’IbPRIA i MEC, the Music Encoding Conference.
La seua activitat investigadora s’ha desenvolupat en projectes competitius com HISPAMUS (TIN2017-86576-R), MultiScore (PID2020-118447RA-I00), DOREMI (TED2021-132103A-I00), PolifonIA (TED2021-130776A-I00) i GV/2020/030. Estos projectes han consolidat la seua experiència en intel·ligència artificial, reconeixement de patrons, anàlisi d’imatges de documents, reconeixement òptic de música i processament multimodal. Una experiència internacional rellevant va ser la seua col·laboració amb la Universitat McGill, Mont-real, Canadà, dins del projecte SIMSSA. Durant prop d’un any, va treballar com a investigador i coordinador en l’equip d’anàlisi de documents, contribuint a la segmentació d’imatges de documents i implementant els models resultants en Rodan, la seua plataforma en línia. També ha contribuït a Repertorium, projecte de la Comissió Europea dedicat a l’ús d’intel·ligència artificial per a l’anàlisi i difusió del repertori musical europeu.
Actualment és Investigador Principal de Fa-Sol-La (CIGE/2024/212), finançat per la Generalitat Valenciana, en col·laboració amb EPITA Research Laboratory. Aquest projecte investiga adaptació al domini i aprenentatge few-shot per al processament robust d’imatges, amb l’objectiu de desenvolupar models capaços de generalitzar entre dades heterogènies requerint poques dades etiquetades. El seu perfil també inclou transferència tecnològica mitjançant convenis amb FacePhi, empresa especialitzada en verificació biomètrica, i amb l’Austrian Centre for Digital Humanities and Cultural Heritage.
El Dr. Castellanos compta amb més de cinc anys d’experiència docent en Enginyeria Informàtica i Enginyeria Robòtica en la Universitat d’Alacant. Ha supervisat 9 treballs de fi de grau i 6 treballs de fi de màster, i actualment dirigix una tesi doctoral centrada en aprenentatge eficient en models.