Busca avançada
Ano de início
Entree

Métodos eficientes para classificação de imagens de plâncton

Processo: 20/15170-2
Modalidade de apoio:Bolsas no Brasil - Pós-Doutorado
Data de Início da vigência: 01 de janeiro de 2021
Data de Término da vigência: 31 de maio de 2022
Área de conhecimento:Ciências Exatas e da Terra - Ciência da Computação - Metodologia e Técnicas da Computação
Acordo de Cooperação: Belmont Forum
Pesquisador responsável:Nina Sumiko Tomita Hirata
Beneficiário:Antonio Jose Homsi Goulart
Instituição Sede: Instituto de Matemática e Estatística (IME). Universidade de São Paulo (USP). São Paulo , SP, Brasil
Vinculado ao auxílio:18/24167-5 - World Wide Web of Plankton Image Curation (www.pic), AP.R
Assunto(s):Aprendizagem profunda   Aprendizado computacional
Palavra(s)-Chave do Pesquisador:Deep Learning | Image classification | machine learning | Plankton | Semi-supervisionado | user interaction | Aprendizado de Máquina

Resumo

O objetivo principal deste projeto de pós-doutorado é o desenvolvimento de métodos computacionais baseados em aprendizado de máquina para acelerar tanto a anotação quanto a classificação de imagens de plâncton, de forma a minimizar o esforço empenhado pelo especialista. O método deve ser capaz de fazer uso efetivo de conhecimento gerado previamente, produzindo rapidamente um novo classificador adaptado para imagens ou condições de uso novas. Alguns dos tópicos a serem explorados na pesquisa são abordagens não-supervisionadas ou semi-supervisionadas de aprendizado de máquina, possivelmente incluindo mecanismos de interação com usuários, assim como técnicas relacionadas à detecção de novidades e tratamento de desbalancemanto de classes.

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
(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)
HOMSI GOULART, ANTONIO JOSE; MORIMITSU, ALEXANDRE; JACOMASSI, RENAN; HIRATA, NINA; LOPES, RUBENS; IEEE. Deep learning and t-SNE projection for plankton images clusterization. OCEANS 2021: SAN DIEGO - PORTO, v. N/A, p. 4-pg., . (21/02902-8, 20/15170-2)