| Processo: | 17/12974-0 |
| Modalidade de apoio: | Bolsas no Brasil - Pós-Doutorado |
| Data de Início da vigência: | 01 de agosto de 2017 |
| Data de Término da vigência: | 31 de julho de 2021 |
| Área de conhecimento: | Ciências Exatas e da Terra - Ciência da Computação - Metodologia e Técnicas da Computação |
| Pesquisador responsável: | Alexandre Xavier Falcão |
| Beneficiário: | Daniel Osaku |
| Instituição Sede: | Instituto de Computação (IC). Universidade Estadual de Campinas (UNICAMP). Campinas , SP, Brasil |
| Vinculado ao auxílio: | 14/12236-1 - AnImaLS: Anotação de Imagem em Larga Escala: o que máquinas e especialistas podem aprender interagindo?, AP.TEM |
| Assunto(s): | Aprendizado computacional Aprendizagem profunda Redes neurais (computação) |
| Palavra(s)-Chave do Pesquisador: | Aprendizado de Descritores de Imagem | Classificação de Padrões | Deep Learning | Redes neurais | Redução de dimensionalidade | Visualização de Dados Multidimencionais (Visual Analytics) | Aprendizado de Máquina |
Resumo Este projeto abordará dois problemas de aprendizado de máquina: (I) aprendizado de características e (II) aprendizado ativo. Em ambos os casos, a estratégia envolverá o especialista por meio de ferramentas de visualização de dados multidimensionais. Em (I), o especialista deve ser capaz de entender e intervir no aprendizado de descritores de imagem por redes neurais multicamadas. Em (II), o especialista deve ser capaz de selecionar amostras importantes para a supervisão de rótulos e projeto de um classificador de imagens. O diagnóstico de parasitos intestinais em imagem de microscopia óptica é a aplicação principal, mas a validação das técnicas envolverá outros tipos de imagem. (AU) | |
| Matéria(s) publicada(s) na Agência FAPESP sobre a bolsa: | |
| Mais itensMenos itens | |
| TITULO | |
| Matéria(s) publicada(s) em Outras Mídias ( ): | |
| Mais itensMenos itens | |
| VEICULO: TITULO (DATA) | |
| VEICULO: TITULO (DATA) | |