Busca avançada
Ano de início
Entree

Aprendendo conceitos a partir da fusão de representações de domínios visuais distintos com aprendizado profundo

Processo: 18/22191-6
Linha de fomento:Bolsas no Brasil - Iniciação Científica
Vigência (Início): 01 de março de 2019
Vigência (Término): 14 de abril de 2020
Área do conhecimento:Ciências Exatas e da Terra - Ciência da Computação
Pesquisador responsável:Moacir Antonelli Ponti
Beneficiário:João Guilherme Madeira Araújo
Instituição-sede: Instituto de Ciências Matemáticas e de Computação (ICMC). Universidade de São Paulo (USP). São Carlos , SP, Brasil
Assunto(s):Desenvolvimento cognitivo   Semântica   Aprendizado computacional   Aprendizagem profunda   Redes neurais convolucionais

Resumo

O sistema cognitivo humano é capaz de abstrair conceitos distintos de forma a relacioná-los sob uma mesma semântica. Por exemplo, uma mesma pessoa pode ser reconhecida de forma única por meio de uma fotografia, retrato artístico, caricatura, retrato falado ou até mesmo de um rascunho. Do ponto de vista de visão computacional e reconhecimento de padrões, essas representações seriam identificadas como distintas, ainda que a semântica seja a mesma. O desafio é ainda maior quando há supervisão limitada, ou seja, desejamos aprender conceitos a partir de um conjunto de dados não anotado ou com poucos rótulos. Nesse projeto serão investigados métodos para aprender representações abstratas a partir de conjuntos de dados e relacioná-los com outros conjuntos de domínios distintos, porém com semântica similar. Serão considerados métodos de aprendizado de características, em particular redes neurais convolucionais e auto-encoders, e exploradas arquiteturas capazes de realizar o casamento entre as representações aprendidas. Além disso, cada solução será estudada do ponto de vista das suas garantias de aprendizado.

Mapa da distribuição dos acessos desta página
Para ver o sumário de acessos desta página, clique aqui.