Busca avançada
Ano de início
Entree

Aplicação e investigação de métodos de aprendizado não-supervisionado em tarefas de recuperação e classificação

Processo: 18/15597-6
Linha de fomento:Auxílio à Pesquisa - Apoio a Jovens Pesquisadores - Fase 2
Vigência: 01 de maio de 2019 - 30 de abril de 2024
Área do conhecimento:Ciências Exatas e da Terra - Ciência da Computação
Pesquisador responsável:Daniel Carlos Guimarães Pedronette
Beneficiário:Daniel Carlos Guimarães Pedronette
Instituição-sede: Instituto de Geociências e Ciências Exatas (IGCE). Universidade Estadual Paulista (UNESP). Campus de Rio Claro. Rio Claro , SP, Brasil
Pesq. associados:Denis Henrique Pinheiro Salvadeo ; Fabricio Aparecido Breve ; João Paulo Papa ; Jurandy Gomes de Almeida Junior ; Ricardo da Silva Torres
Vinculado ao auxílio:13/08645-0 - Reclassificação e agregação de listas para tarefas de recuperação de imagens, AP.JP
Bolsa(s) vinculada(s):20/02183-9 - Aprendizado não supervisionado baseado em ranqueamento e aprendizado profundo em domínios diversos, BP.PD
20/03311-0 - Aprendizado não supervisionado para recuperação multimídia multimodal, BP.MS
Assunto(s):Classificação  Recuperação da informação 

Resumo

Métodos de Aprendizado Não Supervisionado têm se estabelecido como uma solução para aumentar a eficácia de buscas baseadas em conteúdo sem requerer intervenção dos usuários. Tais métodos exploram relações contextuais entre as imagens, geralmente codificadas nas informações de distância e similaridade das coleções.Esse projeto de pesquisa pretende investigar a aplicação de tais métodos em novos e diversificados domínios. Os métodos de aprendizado não supervisionado reavaliam a similaridade entre os elementos da coleção e podem ser tomados como etapa de pré-processamento em tarefas de classificação. Além disso, resultados iniciais indicam que os métodos podem ser aplicados em outros cenário de recuperação multimídia, considerando áudio e vídeo.Dessa forma, o objetivo central do projeto proposto consiste em aprofundar tal investigação, ampliando os domínios de aplicação dos métodos de aprendizado não supervisionado. (AU)

Matéria(s) publicada(s) na Agência FAPESP sobre o auxílio:
Doutorado direto em recuperação de informações na Unesp de Rio Claro 
Pós-doutorado em recuperação de informações com bolsa da FAPESP  

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)
VALEM, LUCAS PASCOTTI; GUIMARAES PEDRONETTE, DANIEL CARLOS. Unsupervised selective rank fusion for image retrieval tasks. Neurocomputing, v. 377, p. 182-199, FEB 15 2020. Citações Web of Science: 0.
GUIMARAES PEDRONETTE, DANIEL CARLOS; VALEM, LUCAS PASCOTTI; ALMEIDA, JURANDY; TONES, RICARDO DA S. Multimedia Retrieval Through Unsupervised Hypergraph-Based Manifold Ranking. IEEE Transactions on Image Processing, v. 28, n. 12, p. 5824-5838, DEC 2019. Citações Web of Science: 0.
CAMPOS, VICTOR DE ABREU; GUIMARAES PEDRONETTE, DANIEL CARLOS. A framework for speaker retrieval and identification through unsupervised learning. COMPUTER SPEECH AND LANGUAGE, v. 58, p. 153-174, NOV 2019. Citações Web of Science: 0.

Por favor, reporte erros na lista de publicações científicas escrevendo para: cdi@fapesp.br.