CV Lattes
ResearcherID
ORCID
Google Scholar Citations
Universidade Estadual de Campinas (UNICAMP). Instituto de Computação (IC) (Instituição Sede da última proposta de pesquisa) País de origem: Brasil
Possui Graduação em Engenharia Elétrica pela Universidade Federal de Pernambuco (1988), Mestrado em Engenharia Elétrica pela Universidade Estadual de Campinas (1993) e Doutorado em Engenharia Elétrica pela Universidade Estadual de Campinas (1997). Desde 1998 é Professor do Instituto de Computação, Universidade Estadual de Campinas, promovido por concurso de Livre Docência à Professor Associado em 2003 e à Professor Titular em 2011. Tem experiência na área de Ciência da Computação, com ênfase em Processamento e Análise de Imagens, atuando principalmente nos seguintes temas: Filtragem, Segmentação, Representação, Descrição, Agrupamento e Classificação de Imagem e Vídeo; Visualização Volumétrica; Aprendizado de Máquina e Reconhecimento de Padrões. Aplicações de interesse são provenientes de diferentes áreas: Biometria, Medicina, Biologia, Geologia e Agricultura. (Fonte: Currículo Lattes)
| Matéria(s) publicada(s) na Agência FAPESP sobre o(a) pesquisador(a) |
| Mais itensMenos itens |
| TITULO |
| Matéria(s) publicada(s) em Outras Mídias ( ): |
| Mais itensMenos itens |
| VEICULO: TITULO (DATA) |
| VEICULO: TITULO (DATA) |
O Centro de Ciência de Dados para a Indústria Inteligente atua como um hub de análise de dados avançados para a indústria, visando melhorar a eficiência operacional, a qualidade dos produtos, a inovação e a sustentabilidade, através da aplicação de técnicas de ciência de dados e análise de dados em processos industriais. O contacto com as indústrias será mediado pelo SENAI e operacionaliz…
Esta proposta é parte de uma iniciativa maior de estudar uma classe específica de problemas de otimização onde a função objetivo é definida como "normamáxima" sobre um conjunto de variáveis. Tais problemas de otimização são frequentes em processamento de imagem (e.g., em filtragem, segmentação e registro de imagens). Também é conhecido que para muitos desses problemas, existem soluções ó…
Em muitas áreas das Ciências e Engenharia, imagens fornecem informações sobre problemas reais e a associação por uma máquina de um ou mais rótulos por imagem (anotação), com base nessas informações, conduz a uma decisão sobre o problema. No entanto, o aprendizado de máquina requer que o conteúdo de interesse, denominado amostra, seja manualmente isolado e identificado (rotulado) em imagen…
A pesquisa em técnicas de geração de superpixels de uma imagem tem ganhado muita atenção nos últimos 10 anos em Visão Computacional. As aplicações envolvem segmentação, rastreamento, estimação de profundidade, etc. Entretanto, a geração de superpixels é ainda um problema em aberto. As abordagens são normalmente baseadas em grafo e no método do gradiente ascendente. Recentemente, o método …
As redes neurais convolucionais (CNN) melhoraram muito as tarefas de reconhecimento de padrões de imagem, principalmente devido à sua capacidade de aprender features complexas (codificador). No entanto, a ausência de metodologias de design sob o controle de especialistas geralmente resulta em modelos de funcionalidade pouco transparente (como 'caixa-opaca') que são mais complexos do que o…
Nos últimos anos, redes neurais convolucionais (CNNs) têm tido enorme sucesso na criação de modelos para sistemas de apoio à decisão e sistemas de tomada de decisão. Entretanto, à medida que a dificuldade do problema aumenta, os modelos ficam mais complexos revelando desafios em requerimentos de dados, interpretabilidade e recursos computacionais. Feature Learning from Image Markers (FLIM…
O mesotelioma é uma massa anormal (um tumor) nas camadas de tecidos que cercam os órgãos do tórax. O mesotelioma pleural maligno (MPM) é a malignidade primária mais comum das camadas parietal e visceral que cobrem os pulmões (pleura). Em um indivíduo saudável, essas camadas de tecidos são mais finas que um fio de cabelo. O mesotelioma aumenta a espessura da pleura, podendo ser um tumor be…
Árvores Dinâmicas (DT -Dynamic Trees) é um método de segmentação de imagem baseado no crescimento de árvores de caminhos ótimos (regiões) a partir de pixels raízes (sementes). As sementes competem pelos pixels mais fortemente conexos e a força de conectividade entre semente e pixel é definida à medida que as árvores crescem. DT utiliza um algoritmo de Transformada Imagem-Floresta (IFT - I…
Modelos de aprendizado profundo têm sido bem-sucedidos em segmentação de imagens, à custa de considerável esforço humano em anotação de dados e adaptação de redes. Esse problema é relevante em aplicações médicas devido às restrições de tempo enfrentadas pelos profissionais e ao custo de seu tempo. O FLIM (Feature Learning from Image Markers) aborda essa questão ao estimar filtros a partir…
A segmentação de imagens de células de imagens de microscopia 3D/4D é uma tarefa complexa devido à falta de intensidade de sinal em algumas partes da imagem, divisão e fusão de células. Métodos baseados em aprendizado profundo foram desenvolvidos para resolver o problema automaticamente, mas erros frequentemente ocorrem, levando a dois subproblemas de interesse: (1) como podemos detectar …
O mesotelioma é uma massa anormal (um tumor) nas camadas de tecidos que cercam os órgãos do tórax. O mesotelioma pleural maligno (MPM) é a malignidade primária mais comum das camadas parietal e visceral que cobrem os pulmões (pleura). As vias diagnósticas atuais dependem de métodos invasivos, como a biópsia. Um biomarcador de imagens seria um avanço significativo para detectar o MPM em se…
Redes neurais profundas podem ser bastante efetivas para a classificação de imagens. Contudo, tais redes normalmente dependem de um conjunto de dados supervisionados grande para reduzir e evitar altas taxas de classificação no conjunto de treinamento com baixa taxa de classificação no conjunto de teste ainda não visto -- um fenômeno conhecido como "data overfitting". Grandes conjuntos sup…