Busca avançada
Ano de início
Entree

Daniel Carlos Guimarães Pedronette

CV Lattes GoogleMyCitations ResearcherID ORCID


Universidade Estadual Paulista (UNESP). Campus de Rio Claro. Instituto de Geociências e Ciências Exatas (IGCE)  (Instituição-sede da última proposta de pesquisa)
País de origem: Brasil

Possui graduação em Ciência da Computação (Universidade Estadual Paulista Júlio de Mesquita Filho - UNESP, 2005), Mestrado em Ciência da Computação (Universidade Estadual de Campinas - UNICAMP, 2008) e Doutorado em Ciência da Computação (Universidade Estadual de Campinas - UNICAMP, 2012). Atualmente é Professor Assistente Doutor do Departamento de Estatística, Matemática Aplicada e Computação (DEMAC), na Universidade Estadual Paulista Júlio de Mesquita Filho (UNESP). Também é Pesquisador Colaborador do Instituto de Computação (IC) da Universidade Estadual de Campinas (UNICAMP) e Editor Associado do Periódico Pattern Recognition. Tem participado de vários projetos de pesquisa nacionais e internacionais. Foi professor visitante na Bangor University/UK em projeto financiado pela Royal Academy of Engineering. Tem atuado na coordenação de Projetos de Pesquisa FAPESP: Jovem Pesquisador (concluído), Microsoft PITE (vigente) e Jovem Pesquisador 2 (recém concedido). Participa também de projetos na área de Engenharia de Petróleo junto ao Centro de Geociências Aplicadas ao Petróleo (UNESPETRO). Tem experiência em diversas áreas da Ciência da Computação: recuperação de informações, processamento e análise de imagens, bibliotecas digitais e computação de alto desempenho. Realiza pesquisa em várias dessas áreas, em especial em temas relacionados à recuperação de imagens por conteúdo. A pesquisa desenvolvida tem sido reconhecida por meio de diversos prêmios e indicações, em eventos nacionais e internacionais. (Fonte: Currículo Lattes)

Auxílios à pesquisa
Em andamento (mais recentes)
Concluídos (mais recentes)

  • Resumo

    Para o primeiro dia do VII Workshop do Programa de Pós-Graduação em Ciência da Computação da Unesp (WPPGCC), está prevista uma cerimônia de abertura, palestras e uma mesa redonda. A cerimônia de abertura deve contar com a presença dos diretores das quatro Unidades que compõem o PPGCC, o coordenador do PPGCC e o presidente da Comissão Organizadora do evento. Em seguida, estão previstas ...

    VII workshop do Programa de Pós-Graduação em Ciência da computação - UNESP, AO.R

  • Resumo

    Sistemas de Recuperação de Imagens Baseados no Conteúdo (Content-Based Image Retrieval - CBIR) tem como principal objetivo recuperar imagens similares em uma coleção considerando propriedades visuais das imagens. Os usuários estão interessados nas imagens retornadas nas primeiras posições das listas de resultados, que são usualmente as mais relevantes. Portanto, classificar as imagens ...

    Reclassificação e agregação de listas para tarefas de recuperação de imagens, AP.JP
Bolsas no país
Em andamento (mais recentes)

  • Resumo

    Métricas contextuais não supervisionadas podem efetivamente codificar informações úteis sobre a estrutura do conjunto de dados. Tais métricas baseadas em informações de ranqueamento podem modelar adequadamente situações que indicam relações de similaridade com um alto grau de confiança. Em tais situações, os objetos envolvidos são incluídos em um conjunto de treinamento expandido, viab...

    Aprendizado fracamente supervisionado baseado em métricas de Ranqueamentto, BP.MS
Concluídas (mais recentes)

  • Resumo

    A evolução dos dispositivos móveis e as consequentes facilidades nos processos de aquisição e compartilhamento de conteúdo visual têm provocado um grande crescimento nas coleções de imagens. Nesse cenário, torna-se premente o desenvolvimento de métodos automáticos que permitam indexar, analisar e realizar buscas em tal conteúdo. Sistemas de Recuperação de Imagens Baseados no Conteúdo (...

    Seleção e combinação de métodos de aprendizado não supervisionado para recuperação de imagens por conteúdo, BP.MS

  • Resumo

    Tomossíntese Mamária (DBT) é uma modalidade recente de imageamento de estruturas mamárias, especialmente para diagnósticos de câncer de mama. Esta modalidade segue o mesmo princípio da Tomografia Computadorizada (CT). Neste sentido, a minimização da radiação necessária para a obtenção de um exame adequado é um princípio a ser buscado (princípio ALARA). Porém, para que isto seja possíve...

    Dupla filtragem de ruído em DBT: pré e pós-reconstrução, BP.IC

  • Resumo

    Sistemas de Recuperação de Imagens Baseados no Conteúdo (Content-Based Image Retrieval - CBIR) tem como principal objetivo recuperar imagens similares em uma coleção considerando propriedades visuais das imagens. Os usuários estão interessados nas imagens retornadas nas primeiras posições das listas de resultados, que são usualmente as mais relevantes. Portanto, classificar as imagens ...

    Uso e avaliação de métodos de reclassificação e agregação de listas em diferentes aplicações, BP.IC
Ver todas as Bolsas no país concluídas
Apoio FAPESP em números*
*Quantidades atualizadas em 22/06/2019
1Auxílios à pesquisa em andamento
2Auxílios à pesquisa concluídos
1Bolsas no país em andamento
5Bolsas no país concluídas
9Todos os Auxílios e Bolsas
Colaboradores mais frequentes em auxílios e bolsas FAPESP
Contate o Pesquisador

Este canal da BV/FAPESP deve ser utilizado tão somente para mensagens, referentes aos projetos científicos financiados pela FAPESP.


 

 

 

 

Palavras-chave utilizadas pelo pesquisador
Ciência da Computação Ciências Exatas e da Terra Classificação Inteligência computacional Metodologia e Técnicas da Computação Processamento de imagens Recuperação da informação Recuperação de imagens Sistemas de Computação Sistemas de informação Tomografia computadorizada
Publicações resultantes de Auxílios e Bolsas sob responsabilidade do(a) pesquisador(a) (15)

(Referências obtidas automaticamente do Web of Science e do SciELO, por meio da informação sobre o financiamento pela FAPESP e o número do processo correspondente, incluída na publicação pelos autores)

Publicações15
Citações68
Cit./Artigo4,5
Dados do Web of Science

GUIMARAES PEDRONETTE, DANIEL CARLOS; FERNANDES GONCALVES, FILIPE MARCEL; GUILHERME, IVAN RIZZO. Unsupervised manifold learning through reciprocal kNN graph and Connected Components for image retrieval tasks. PATTERN RECOGNITION, v. 75, n. SI, p. 161-174, . Citações Web of Science: 6. (13/08645-0)

GUIMARAES PEDRONETTE, DANIEL CARLOS; TORRES, RICARDO DA S.. Unsupervised rank diffusion for content-based image retrieval. Neurocomputing, v. 260, p. 478-489, . Citações Web of Science: 0. (13/50155-0, 13/08645-0, 13/50169-1)

VALEM, LUCAS PASCOTTI; GUIMARAES PEDRONETTE, DANIEL CARLOS; ALMEIDA, JURANDY. Unsupervised similarity learning through Cartesian product of ranking references. PATTERN RECOGNITION LETTERS, v. 114, n. SI, p. 41-52, . Citações Web of Science: 0. (16/06441-7, 13/08645-0, 17/02091-4, 14/04220-8)

GUIMARAES PEDRONETTE, DANIEL CARLOS; TORRES, RICARDO DA S.. A correlation graph approach for unsupervised manifold learning in image retrieval tasks. Neurocomputing, v. 208, n. SI, p. 66-79, . Citações Web of Science: 6. (13/08645-0, 13/50169-1)

PISANI, FLAVIA; PEDRONETTE, DANIEL C. G.; TORRES, RICARDO DA S.; BORIN, EDSON. Contextual Spaces Re-Ranking: accelerating the Re-sort Ranked Lists step on heterogeneous systems. CONCURRENCY AND COMPUTATION-PRACTICE & EXPERIENCE, v. 29, n. 22, SI, . Citações Web of Science: 1. (13/08645-0)

FERNANDES GONCALVES, FILIPE MARCEL; GUILHERME, IVAN RIZZO; GUIMARAES PEDRONETTE, DANIEL CARLOS. Semantic Guided Interactive Image Retrieval for plant identification. EXPERT SYSTEMS WITH APPLICATIONS, v. 91, p. 12-26, . Citações Web of Science: 3. (13/08645-0)

ALMEIDA, JURANDY; PEDRONETTE, DANIEL C. G.; ALBERTON, BRUNA C.; MORELLATO, LEONOR PATRICIA C.; TORRES, RICARDO DA S.. Unsupervised Distance Learning for Plant Species Identification. IEEE JOURNAL OF SELECTED TOPICS IN APPLIED EARTH OBSERVATIONS AND REMOTE SENSING, v. 9, n. 12, 1, SI, p. 5325-5338, . Citações Web of Science: 3. (14/00215-0, 10/51307-0, 13/50169-1, 16/06441-7, 13/08645-0, 13/50155-0, 10/52113-5, 09/18438-7)

GUIMARAES PEDRONETTE, DANIEL CARLOS; ALMEIDA, JURANDY; TORRES, RICARDO DA S.. A graph-based ranked-list model for unsupervised distance learning on shape retrieval. PATTERN RECOGNITION LETTERS, v. 83, n. 3, p. 357-367, . Citações Web of Science: 3. (13/08645-0, 13/50169-1)

GUIMARAES PEDRONETTE, DANIEL CARLOS; ALMEIDA, JURANDY; TORRES, RICARDO DA S.. A scalable re-ranking method for content-based image retrieval. INFORMATION SCIENCES, v. 265, p. 91-104, . Citações Web of Science: 32. (11/11171-5, 09/18438-7, 13/08645-0, 09/05951-8, 07/52015-0)

FARIA, FABIO A.; PEDRONETTE, DANIEL C. G.; DOS SANTOS, JEFERSSON A.; ROCHA, ANDERSON; TORRES, RICARDO DA S.. Rank Aggregation for Pattern Classifier Selection in Remote Sensing Images. IEEE JOURNAL OF SELECTED TOPICS IN APPLIED EARTH OBSERVATIONS AND REMOTE SENSING, v. 7, n. 4, p. 1103-1115, . Citações Web of Science: 9. (10/14910-0, 13/08645-0, 10/05647-4, 12/18768-0)

GUIMARAES PEDRONETTE, DANIEL CARLOS; WENG, YING; BALDASSIN, ALEXANDRO; HOU, CHAOHUAN. Semi-supervised and active learning through Manifold Reciprocal kNN Graph for image retrieval. Neurocomputing, v. 340, p. 19-31, . Citações Web of Science: 0. (17/25908-6, 13/08645-0)

PAPA, JOAO P.; ROSA, GUSTAVO H.; DE SOUZA, ANDRE N.; AFONSO, LUIS C. S.. Feature selection through binary brain storm optimization. COMPUTERS & ELECTRICAL ENGINEERING, v. 72, p. 468-481, . Citações Web of Science: 0. (13/07375-0, 16/19403-6, 14/12236-1, 13/08645-0, 17/02286-0, 17/22905-6)

GUIMARAES PEDRONETTE, DANIEL CARLOS; TORRES, RICARDO DA S.. Combining re-ranking and rank aggregation methods for image retrieval. MULTIMEDIA TOOLS AND APPLICATIONS, v. 75, n. 15, p. 9121-9144, . Citações Web of Science: 2. (13/08645-0)

GUIMARAES PEDRONETTE, DANIEL CARLOS; CALUMBY, RODRIGO T.; TORRES, RICARDO DA S.. A semi-supervised learning algorithm for relevance feedback and collaborative image retrieval. EURASIP JOURNAL ON IMAGE AND VIDEO PROCESSING, . Citações Web of Science: 3. (13/08645-0, 13/50169-1)

VALEM, LUCAS PASCOTTI; DE OLIVEIRA, CARLOS RENAN; GUIMARAES PEDRONETTE, DANIEL CARLOS; ALMEIDA, JURANDY. Unsupervised Similarity Learning through Rank Correlation and kNN Sets. ACM Transactions on Multimedia Computing Communications and Applications, v. 14, n. 4, . Citações Web of Science: 0. (16/06441-7, 17/25908-6, 13/08645-0, 17/02091-4)

Mapa da distribuição dos acessos desta página
Para ver o sumário de acessos desta página, clique aqui.
Por favor, reporte erros na informação da página do pesquisador escrevendo para: cdi@fapesp.br.
X

Reporte um problema na página


Detalhes do problema: