Auxílio à pesquisa 23/04583-2 - Análise de imagens, Reconhecimento de padrões - BV FAPESP
Busca avançada
Ano de início
Entree

Reconhecimento de padrões em imagens baseado em redes neurais artificiais e sistemas complexos: da extração de descritores manuais ao aprendizado automático

Processo: 23/04583-2
Modalidade de apoio:Auxílio à Pesquisa - Regular
Área do conhecimento:Ciências Exatas e da Terra - Ciência da Computação - Metodologia e Técnicas da Computação
Pesquisador responsável:Lucas Correia Ribas
Beneficiário:Lucas Correia Ribas
Instituição Sede: Instituto de Biociências, Letras e Ciências Exatas (IBILCE). Universidade Estadual Paulista (UNESP). Campus de São José do Rio Preto. São José do Rio Preto , SP, Brasil
Pesquisadores associados: Antoine Manzanera ; JENNANE Rachid ; Joao Batista Florindo ; Odemir Martinez Bruno
Assunto(s):Análise de imagens  Reconhecimento de padrões  Redes neurais (computação)  Sistemas complexos 
Palavra(s)-Chave do Pesquisador:Análise de imagens | Análise de Texturas | Aprendizado de representações | Reconhecimento de Padrões | Redes Neurais Artificiais | Sistemas Complexos | Aprendizado de Máquina e Visão Computacional

Resumo

O reconhecimento de padrões em imagens é um tópico chave da visão computacional, envolvendo a análise de características visuais (como textura, cor e forma) e tendo aplicações variadas. Atualmente, existem dois paradigmas principais de métodos, com vantagens e desvantagens: o clássico, que usa descritores manuais e exigem maior conhecimento de domínio, e abordagens baseadas em aprendizado automático com Redes Neurais Artificiais (RNAs).Métodos clássicos utilizam modelos matemáticos ou estatísticos e são úteis em cenários com poucos dados, hardware limitado e maior necessidade de interpretabilidade. Já abordagens baseadas em aprendizado, como redes neurais convolucionais, ganharam popularidade pela capacidade de aprender características relevantes a partir de grandes volumes de dados e alto desempenho de classificação.Este projeto propõe o estudo e desenvolvimento de métodos de reconhecimento de padrões em imagens baseados em ambos os paradigmas, utilizando técnicas de sistemas complexos e RNAs para propor métodos que melhorem a tarefa de reconhecimento.Mais especificamente, pretende-se focar em duas abordagens de sistemas complexos: redes complexas e caminhadas determinísticas. Tais abordagens descrevem com precisão a irregularidade ou homogeneidade das estruturas em imagens, relevante para visão natural e artificial, auxiliando na análise de imagens da natureza ou oriundas de fenômenos não-lineares. Em RNAs, serão estudadas as Redes Neurais Randomizadas, Convolucionais e Vision Transformers, explorando o potencial de cada arquitetura no reconhecimento de padrões em imagens e sistemas complexos. Assim, este projeto também pode explorar a simbiose entre RNAs e sistemas complexos, investigando e interpretando as redes neurais sob a perspectiva de sistemas complexos, o que torna o uso dessas abordagens para reconhecimento de padrões uma linha natural de pesquisa, conforme destacado por alguns estudos.Além da frente teórica, como forma de contribuir em outras áreas, outra meta é aplicar os métodos desenvolvidos em dados de problemas reais gerados por parceiros, especialmente em imagens de materiais (sensores e biossensores), plantas e médicas. Portanto, ressalta-se que o projeto busca criar uma interação entre aplicação e teoria, testando métodos genéricos em problemas específicos e, simultaneamente, permitindo que esses problemas inspirem novas linhas teóricas, avançando o conhecimento em ambas as frentes. (AU)

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

Publicações científicas (9)
(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)
SCABINI, LEONARDO; ZIELINSKI, KALLIL M.; FARES, RICARDO T.; KONUK, EMIR; MIRANDA, GISELE; KOLB, ROSANA M.; RIBAS, LUCAS C.; BRUNO, ODEMIR M.. Deep Texture Feature Aggregation on Leaf Microscopy Images for Brazilian Plant Species Recognition. PROCEEDINGS OF THE 2024 9TH INTERNATIONAL CONFERENCE ON MACHINE LEARNING TECHNOLOGIES, ICMLT 2024, v. N/A, p. 5-pg., . (23/04583-2, 23/10442-2, 22/03668-1, 24/00530-4, 18/22214-6)
RIBAS, LUCAS C.; BRUNO, ODEMIR M.. Learning a complex network representation for shape classification. PATTERN RECOGNITION, v. 154, p. 10-pg., . (16/23763-8, 23/04583-2, 21/07289-2, 18/22214-6)
RIBAS, LUCAS C.; SCABINI, LEONARDO F. S.; CONDORI, RAYNER H. M.; BRUNO, ODEMIR M.. Color-texture classification based on spatio-spectral complex network representations. PHYSICA A-STATISTICAL MECHANICS AND ITS APPLICATIONS, v. 635, p. 15-pg., . (23/04583-2, 19/07811-0, 21/09163-6, 18/22214-6)
FARES, RICARDO T.; RIBAS, LUCAS C.. A New Approach to Learn Spatio-Spectral Texture Representation with Randomized Networks: Application to Brazilian Plant Species Identification. ENGINEERING APPLICATIONS OF NEURAL NETWORKS, EANN 2024, v. 2141, p. 15-pg., . (23/04583-2, 18/22214-6)
FARES, RICARDO T.; VICENTIM, ANA CATARINA M.; SCABINI, LEONARDO; ZIELINSKI, KALLIL M.; JENNANE, RACHID; BRUNO, ODEMIR M.; RIBAS, LUCAS C.. Randomized Encoding Ensemble: A New Approach for Texture Representation. 2024 31ST INTERNATIONAL CONFERENCE ON SYSTEMS, SIGNALS AND IMAGE PROCESSING, IWSSIP 2024, v. N/A, p. 8-pg., . (23/04583-2, 22/15840-3, 18/22214-6, 22/03668-1)
ZIELINSKI, KALLIL M. C.; RIBAS, LUCAS C.; MACHICAO, JEANETH; BRUNO, ODEMIR M.. A network classification method based on density time evolution patterns extracted from network automata. PATTERN RECOGNITION, v. 146, p. 10-pg., . (23/04583-2, 21/07289-2, 21/08325-2, 20/03514-9, 22/03668-1, 18/22214-6)
RIBAS, LUCAS C.; SCABINI, LEONARDO F. S.; SA JUNIOR, JARBAS JOACI DE MESQUITA; BRUNO, ODEMIR M.. Local complex features learned by randomized neural networks for texture analysis. PATTERN ANALYSIS AND APPLICATIONS, v. 27, n. 1, p. 12-pg., . (23/04583-2, 19/07811-0, 18/22214-6, 21/09163-6, 18/22214-6)
FARES, RICARDO T.; RIBAS, LUCAS C.. Randomized Autoencoder-based Representation for Dynamic Texture Recognition. 2024 31ST INTERNATIONAL CONFERENCE ON SYSTEMS, SIGNALS AND IMAGE PROCESSING, IWSSIP 2024, v. N/A, p. 7-pg., . (23/04583-2, 18/22214-6)
ZIELINSKI, KALLIL M. C.; SCABINI, LEONARDO; RIBAS, LUCAS C.; BRUNO, ODEMIR M.. Exploring neighborhood variancy for rule search optimization in Life-like Network Automata. 2024 14TH INTERNATIONAL CONFERENCE ON PATTERN RECOGNITION SYSTEMS, ICPRS, v. N/A, p. 7-pg., . (23/04583-2, 23/10442-2, 21/08325-2, 24/00530-4, 18/22214-6)

Por favor, reporte erros na lista de publicações científicas utilizando este formulário.
X

Reporte um problema na página


Detalhes do problema: