| Processo: | 14/24918-0 |
| Modalidade de apoio: | Bolsas no Brasil - Doutorado |
| Data de Início da vigência: | 01 de abril de 2015 |
| Data de Término da vigência: | 31 de março de 2019 |
| Área de conhecimento: | Ciências Exatas e da Terra - Ciência da Computação - Metodologia e Técnicas da Computação |
| Acordo de Cooperação: | Coordenação de Aperfeiçoamento de Pessoal de Nível Superior (CAPES) |
| Pesquisador responsável: | Roberto Marcondes Cesar Junior |
| Beneficiário: | Eric Keiji Tokuda |
| Instituição Sede: | Instituto de Matemática e Estatística (IME). Universidade de São Paulo (USP). São Paulo , SP, Brasil |
| Vinculado ao auxílio: | 11/50761-2 - Modelos e métodos de e-Science para ciências da vida e agrárias, AP.TEM |
| Bolsa(s) vinculada(s): | 16/12077-6 - Representação e análise de modelos de cidade orientado a dados utilizando informações visuais e não visuais, BE.EP.DR |
| Assunto(s): | Aprendizado computacional Visão computacional |
| Palavra(s)-Chave do Pesquisador: | Computação Urbana | Deep Learning | Visão Computacional | Visão Computacional |
Resumo A detecção de faces e de atributos faciais, como barba e óculos, cumprem um papel fundamental em diferentes aplicações de visão computacional. Apesar dos avanços da pesquisa em aprendizagem de máquina, os detectores têm acurácia comprometida quando a face não está numa pose frontal ou quando apresenta acessórios como óculos escuros ou chapéu. Por outro lado, técnicas de deep learning tem recentemente apresentado resultados excepcionais em diversos problemas. A Rede Neural Convolucional e uma técnica em deep learning multicamadas que está sendo extensamente explorada em tarefas de aprendizagem de máquina. Outros classificadores, como a Rede de Wavelets, têm sido propostos recentemente na literatura. Uma das complexidades na utilização de técnicas de deep learning consiste na obtenção de grandes conjuntos de treinamento rotulados. Neste cenário, métodos fracamente supervisionados representam uma alternativa viável. Como projeto de doutorado, objetivamos desenvolver um método de detecção de faces, atributos e acessórios faciais, como barba, bigode, óculos e chapéu. Para tanto, utilizaremos técnicas de deep learning para criar de modo automático um banco de faces que contemple densamente diversos traços, acessórios e posições. Estes dados serão utilizados no desenvolvimento de um sistema robusto de detecção de faces e atributos faciais. Avaliaremos a incorporação de técnicas recentes, como as Redes de Wavelets, em nosso sistema. (AU) | |
| Matéria(s) publicada(s) na Agência FAPESP sobre a bolsa: | |
| Mais itensMenos itens | |
| TITULO | |
| Matéria(s) publicada(s) em Outras Mídias ( ): | |
| Mais itensMenos itens | |
| VEICULO: TITULO (DATA) | |
| VEICULO: TITULO (DATA) | |