Suporte para o ambiente computacional e execução de experimentos: aquisição de dados, categorização e manutenção

• Processo: 21/10048-7
• Modalidade de apoio: Bolsas no Brasil - Programa Capacitação - Treinamento Técnico
• Data de Início da vigência: 01 de outubro de 2021
• Data de Término da vigência: 31 de dezembro de 2021
• Área de conhecimento: Ciências Exatas e da Terra - Ciência da Computação - Metodologia e Técnicas da Computação
• Acordo de Cooperação: Microsoft Research
• Pesquisador responsável: João Paulo Papa
• Beneficiário: Douglas Rodrigues
• Instituição Sede: Faculdade de Ciências (FC). Universidade Estadual Paulista (UNESP). Campus de Bauru. Bauru , SP, Brasil
• Empresa: Universidade Estadual Paulista (UNESP). Campus de Rio Claro. Instituto de Geociências e Ciências Exatas (IGCE)
• Vinculado ao auxílio: 17/25908-6 - Aprendizado fracamente supervisionado para análise de vídeos no domínio comprimido em tarefas de recuperação e classificação para alertas visuais, AP.PITE
• Assunto(s): Aprendizado computacional Visão computacional Reconhecimento de padrões Processamento de dados Coleta de dados
• Palavra(s)-Chave do Pesquisador: aprendizado fracamente supervisionado | processamento de vídeos | Reconhecimento de Padrões | Aprendizado de máquina

Resumo

Benchmarks de imagem e vídeo são essenciais para o avanço de algoritmos de visão computacional voltados para compreensão de imagem e vídeo. Além do mais, a rápida evolução de algoritmos "estado-da-arte" para compreensão desses dados só foi possível graças às bases de dados em larga escala, como a ImageNet, por exemplo. No contexto de vídeos, porém, apesar do recente progresso de conjuntos de dados de pequena para média escala, a maioria dos benchmarks de vídeos são restritos a poucas categorias, como ações ou eventos. Obtenção, categorização e manutenção de dados de vídeo são atividades essenciais para execução de avaliações experimentais em projetos de pesquisa. Sendo assim, é necessário coletar, organizar e manter vários conjuntos de dados heterogêneos de diferentes fontes. Além disso, outras atividades relacionadas ao contexto costumam ser computacionalmente custosas. Tais atividades englobam o desenvolvimento de ferramentas para acesso aos dados, execução de experimentos e avaliação de resultados. O bolsista de treinamento técnico será responsável por diversas tarefas relacionadas ao processo de coleta, organização e manutenção dos dados necessários para as avaliações experimentais. (AU)