Busca avançada
Ano de início
Entree

Aprendizado auto-supervisionado para biometria e outras aplicações

Processo: 22/02299-2
Linha de fomento:Bolsas no Exterior - Estágio de Pesquisa - Doutorado Direto
Vigência (Início): 01 de julho de 2022
Vigência (Término): 30 de junho de 2023
Área do conhecimento:Ciências Exatas e da Terra - Ciência da Computação - Metodologia e Técnicas da Computação
Pesquisador responsável:Anderson de Rezende Rocha
Beneficiário:Gabriel Capiteli Bertocco
Supervisor no Exterior: Terrance E. Boult
Instituição-sede: Instituto de Computação (IC). Universidade Estadual de Campinas (UNICAMP). Campinas , SP, Brasil
Local de pesquisa: University of Colorado, Colorado Springs (UCCS), Estados Unidos  
Vinculado à bolsa:19/15825-1 - Mineração de pessoas, objetos e lugares de interesse em fontes heterogêneas de dados, BP.DD
Assunto(s):Biometria   Aprendizado de máquina supervisionado   Aprendizagem profunda   Visão computacional   Sistemas de informação

Resumo

Um problema fundamental em aprendizado de máquina é lidar com dados não rotulados. A maioria dos modelos se baseia em uma massiva quantidade de dados rotulados para alcançar o estado-da-arte. No entanto, o processo de rotulação demanda tempo, é custoso e sujeito a erros de anotação e viéses. É fundamental desenvolver modelos que são capazes de minerar padrões em um cenário totalmente não-supervisionado permitindo uma implantação rápida e livre de viéses. Esse projeto almeja utilizar algoritmos de auto-aprendizado para lidar com dados não rotulados para cenários gerais e desafiadores em que as anotações não estão presentes. Um cenário desafiador pode conter uma alta disparidade intra-classe (as representações da mesma classes ficam longe uma das outras) e alta similaridade inter-classe (representações de classes distintas ficam mais próximas). Para instanciar esses pré-requisitos complexos, nós exploramos o problema de Re-Identificação de Pessoas de longa distância de forma Não-supervisionada e Semi-supervisionada, onde as imagens das pessoas são capturadas de diferentes distâncias e momentos no tempo, resultando em alteração na resolução e na aparência. A solução pode ser estendida para objetos e lugares, e usada em várias aplicações de impacto social, tais como investigação e compreensão de eventos. (AU)

Matéria(s) publicada(s) na Agência FAPESP sobre a bolsa:
Matéria(s) publicada(s) em Outras Mídias (0 total):
Mais itensMenos itens
VEICULO: TITULO (DATA)
VEICULO: TITULO (DATA)