Busca avançada
Ano de início
Entree

Recuperação de informação semântica em grandes bases de vídeos

Processo: 16/06441-7
Linha de fomento:Auxílio à Pesquisa - Regular
Vigência: 01 de agosto de 2016 - 31 de julho de 2018
Área do conhecimento:Ciências Exatas e da Terra - Ciência da Computação - Metodologia e Técnicas da Computação
Pesquisador responsável:Jurandy Gomes de Almeida Junior
Beneficiário:Jurandy Gomes de Almeida Junior
Instituição-sede: Instituto de Ciência e Tecnologia (ICT). Universidade Federal de São Paulo (UNIFESP). Campus São José dos Campos. São José dos Campos, SP, Brasil
Pesq. associados:João Paulo Papa ; Ricardo da Silva Torres
Assunto(s):Inteligência artificial  Visão computacional  Recuperação da informação  Semântica  Multimídia  Vídeo 

Resumo

Devido aos rápidos avanços em tecnologias de aquisição e transmissão de dados, as pessoas são constantemente inundadas por informações na forma de vídeo digital. Nesse cenário, há uma crescente demanda por sistemas eficientes capazes de gerenciar grandes volumes de dados de vídeo e reduzir a carga de trabalho e o excesso de informação ao se buscar um dado conteúdo de interesse. Um dos principais desafios no desenvolvimento de sistemas eficazes de recuperação de vídeos é a identificação automática de conteúdo semântico. Para isso, existem quatro barreiras a serem consideradas: (1) processamento multimodal, (2) fusão de características, (3) aprendizagem semântica e (4) resolução de consultas. Inúmeras técnicas têm sido propostas para atender a tais requisitos. Entretanto, a maioria dos trabalhos existentes envolve algoritmos e métodos computacionalmente custosos. No cenário atual, é imperativo o desenvolvimento de técnicas tanto eficazes quanto eficientes. Nos últimos anos, academia e indústria têm investido esforços significativos a fim de tornar essas soluções compatíveis a uma ampla gama de dispositivos e plataformas. É nesse contexto que o presente projeto de pesquisa se insere. Esta proposta objetiva avançar o estado da arte em recuperação semântica de vídeos digitais. Recentemente, o proponente introduziu na literatura um sistema unimodal de recuperação de vídeos por conteúdo voltado a dispositivos com baixo poder computacional. Baseado nos resultados positivos obtidos em sua aplicação, pretende-se estender tal sistema para tirar vantagem de diferentes fontes de dados, isto é, usar informação multimodal, melhorando a sua qualidade de resposta. Para tanto, tenciona-se explorar soluções recentes em computação visual e inteligência de máquina visando combinar diferentes fontes de dados de maneira eficiente. Por fim, espera-se contribuir sobremaneira com os avanços nessa área de pesquisa, dado que seus resultados serão agrupados em uma interface de desenvolvimento visual que possibilitará a atuação dessas soluções em conjunto. (AU)

Publicações científicas (6)
(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; DE OLIVEIRA, CARLOS RENAN; GUIMARAES PEDRONETTE, DANIEL CARLOS; ALMEIDA, JURANDY. Unsupervised Similarity Learning through Rank Correlation and kNN Sets. ACM Transactions on Multimedia Computing Communications and Applications, v. 14, n. 4 NOV 2018. Citações Web of Science: 0.
VALEM, LUCAS PASCOTTI; GUIMARAES PEDRONETTE, DANIEL CARLOS; ALMEIDA, JURANDY. Unsupervised similarity learning through Cartesian product of ranking references. PATTERN RECOGNITION LETTERS, v. 114, n. SI, p. 41-52, OCT 15 2018. Citações Web of Science: 0.
KUNCHEVA, LUDMILA I.; YOUSEFI, PARIA; ALMEIDA, JURANDY. Edited nearest neighbour for selecting keyframe summaries of egocentric videos. JOURNAL OF VISUAL COMMUNICATION AND IMAGE REPRESENTATION, v. 52, p. 118-130, APR 2018. Citações Web of Science: 1.
ALBERTON, BRUNA; TORRES, RICARDO DA S.; CANCIAN, LEONARDO F.; BORGES, BRUNO D.; ALMEIDA, JURANDY; MARIANO, GREICE C.; DOS SANTOS, JEFERSSON; CERDEIRA MORELLATOA, LEONOR PATRICIA. Introducing digital cameras to monitor plant phenology in the tropics: applications for conservation. PERSPECTIVES IN ECOLOGY AND CONSERVATION, v. 15, n. 2, p. 82-90, APR-JUN 2017. Citações Web of Science: 8.
ALMEIDA, JURANDY; PEDRONETTE, DANIEL C. G.; ALBERTON, BRUNA C.; MORELLATO, LEONOR PATRICIA C.; TORRES, RICARDO DA S. Unsupervised Distance Learning for Plant Species Identification. IEEE JOURNAL OF SELECTED TOPICS IN APPLIED EARTH OBSERVATIONS AND REMOTE SENSING, v. 9, n. 12, 1, SI, p. 5325-5338, DEC 2016. Citações Web of Science: 3.
BARRETO, THIAGO L. M.; ROSA, RAFAEL A. S.; WIMMER, CHRISTIAN; MOREIRA, JOAO R.; BINS, LEONARDO S.; MENOCCI CAPPABIANCO, FABIO AUGUSTO; ALMEIDA, JURANDY. Classification of Detected Changes From Multitemporal High-Res Xband SAR Images: Intensity and Texture Descriptors From SuperPixels. IEEE JOURNAL OF SELECTED TOPICS IN APPLIED EARTH OBSERVATIONS AND REMOTE SENSING, v. 9, n. 12, 1, SI, p. 5436-5448, DEC 2016. Citações Web of Science: 7.

Por favor, reporte erros na lista de publicações científicas escrevendo para: cdi@fapesp.br.
Mapa da distribuição dos acessos desta página
Para ver o sumário de acessos desta página, clique aqui.