Busca avançada
Ano de início
Entree

Suporte para o ambiente computacional e execução de experimentos: aquisição de dados, categorização e manutenção

Processo: 20/12101-0
Modalidade de apoio:Bolsas no Brasil - Programa Capacitação - Treinamento Técnico
Data de Início da vigência: 01 de outubro de 2020
Data de Término da vigência: 30 de junho de 2021
Área de conhecimento:Ciências Exatas e da Terra - Ciência da Computação - Metodologia e Técnicas da Computação
Acordo de Cooperação: Microsoft Research
Pesquisador responsável:João Paulo Papa
Beneficiário:Leandro Aparecido Passos Junior
Instituição Sede: Faculdade de Ciências (FC). Universidade Estadual Paulista (UNESP). Campus de Bauru. Bauru , SP, Brasil
Empresa:Universidade Estadual Paulista (UNESP). Campus de Rio Claro. Instituto de Geociências e Ciências Exatas (IGCE)
Vinculado ao auxílio:17/25908-6 - Aprendizado fracamente supervisionado para análise de vídeos no domínio comprimido em tarefas de recuperação e classificação para alertas visuais, AP.PITE
Assunto(s):Visão computacional   Aprendizado computacional   Reconhecimento de padrões   Processamento de dados   Coleta de dados
Palavra(s)-Chave do Pesquisador:processamento de vídeos | Reconhecimento de Padrões | Aprendizado de máquina

Resumo

Benchmarks de imagem e vídeo são essenciais para o avanço de algoritmos de visão computacional voltados para compreensão de imagem e vídeo. Além do mais, a rápida evolução de algoritmos “estado-da-arte” para compreensão desses dados só foi possível graças às bases de dados em larga escala, como a ImageNet, por exemplo. No contexto de vídeos, porém, apesar do recente progresso de conjuntos de dados de pequena para média escala, a maioria dos benchmarks de vídeos são restritos a poucas categorias, como ações ou eventos. Obtenção, categorização e manutenção de dados de vídeo são atividades essenciais para execução de avaliações experimentais em projetos de pesquisa. Sendo assim, é necessário coletar, organizar e manter vários conjuntos de dados heterogêneos de diferentes fontes. Além disso, outras atividades relacionadas ao contexto costumam ser computacionalmente custosas. Tais atividades englobam o desenvolvimento de ferramentas para acesso aos dados, execução de experimentos e avaliação de resultados. O bolsista de treinamento técnico será responsável por diversas tarefas relacionadas ao processo de coleta, organização e manutenção dos dados necessários para as avaliações experimentais.

Matéria(s) publicada(s) na Agência FAPESP sobre a bolsa:
Mais itensMenos itens
Matéria(s) publicada(s) em Outras Mídias ( ):
Mais itensMenos itens
VEICULO: TITULO (DATA)
VEICULO: TITULO (DATA)

Publicações científicas (7)
(Referências obtidas automaticamente do Web of Science e do SciELO, por meio da informação sobre o financiamento pela FAPESP e o número do processo correspondente, incluída na publicação pelos autores)
DE ROSA, GUSTAVO H.; PAPA, JOAO P.. A survey on text generation using generative adversarial networks. PATTERN RECOGNITION, v. 119, . (19/02205-5, 20/12101-0, 14/12236-1, 19/07665-4, 13/07375-0)
DE ROSA, GUSTAVO H.; RODER, MATEUS; PAPA, JOAO PAULO; DOS SANTOS, CLAUDIO F. G.; IEEE. Improving Pre-Trained Weights through Meta-Heuristics Fine-Tuning. 2021 IEEE SYMPOSIUM SERIES ON COMPUTATIONAL INTELLIGENCE (IEEE SSCI 2021), v. N/A, p. 8-pg., . (13/07375-0, 19/07665-4, 14/12236-1, 19/02205-5, 20/12101-0)
DE ROSA, GUSTAVO H.; PAPA, JOAO P.. OPFython: A Python implementation for Optimum-Path Forest. SOFTWARE IMPACTS, v. 9, p. 3-pg., . (19/02205-5, 20/12101-0, 14/12236-1, 19/07665-4, 13/07375-0)
DE SOUZA, RENATO W. R.; SILVA, DANIEL S.; PASSOS, LEANDRO A.; RODER, MATEUS; SANTANA, MARCOS C.; PINHEIRO, PLACIDO R.; DE ALBUQUERQUE, VICTOR HUGO C.. Computer-assisted Parkinson's disease diagnosis using fuzzy optimum- path forest and Restricted Boltzmann Machines. COMPUTERS IN BIOLOGY AND MEDICINE, v. 131, . (20/12101-0)
PASSOS, LEANDRO APARECIDO S.; JODAS, DANILO S.; RIBEIRO, LUIZ C. F.; AKIO, MARCO; DE SOUZA, ANDRE NUNES; PAPA, JOAO PAULO. Handling imbalanced datasets through Optimum-Path Forest. KNOWLEDGE-BASED SYSTEMS, v. 242, p. 13-pg., . (18/21934-5, 14/12236-1, 20/12101-0, 19/18287-0, 19/07665-4, 17/02286-0, 13/07375-0)
GONCALVES DOS SANTOS, CLAUDIO FILIPI; OLIVEIRA, DIEGO DE SOUZA; PASSOS, LEANDRO A.; PIRES, RAFAEL GONCALVES; SILVA SANTOS, DANIEL FELIPE; VALEM, LUCAS PASCOTTI; MOREIRA, THIERRY P.; SANTANA, MARCOS CLEISON S.; RODER, MATEUS; PAPA, JOAO PAULO; et al. Gait Recognition Based on Deep Learning: A Survey. ACM COMPUTING SURVEYS, v. 55, n. 2, p. 34-pg., . (14/12236-1, 20/12101-0, 19/07665-4, 13/07375-0)