- Auxílios pontuais (curta duração)
Busca avançada
Moacir Antonelli Ponti
CV Lattes
GoogleMyCitations
ResearcherID
ORCID
Universidade de São Paulo (USP). Instituto de Ciências Matemáticas e de Computação (ICMC) (Instituição-sede da última proposta de pesquisa) País de origem: Brasil
Professor Associado no Instituto de Ciências Matemáticas e de Computação da Universidade de São Paulo (ICMC/USP) e Livre-Docente pela mesma instituição. Atuou como pesquisador visitante no Centre for Vision, Speech and Signal Processing (CVSSP), Universidade de Surrey em 2016. Recebeu o Google Latin America Research Award em 2017. Possui Doutorado em Biotecnologia (2008) e Mestrado em Ciência da Computação (2004) pela Universidade Federal de São Carlos. Suas linhas de pesquisa incluem Aprendizado de Máquina, Processamento de Sinais, Imagens e Video. Desenvolve pesquisa em pré-processamento de sinais e imagens, aprendizado profundo (deep learning), aprendizado e extração de caracerísticas espaciais/temporais. (Fonte: Currículo Lattes)
Auxílios à pesquisa
- Aprendendo características de conteúdo visual sob condições de supervisão limitada utilizando múltiplos domínios, AP.R
Resumo
Métodos de aprendizado de características alcançaram o estado da arte em diversas aplicações, em particular em dados de um único domínio, mas também com resultados relevantes em bases de dados de domínios cruzados. Como coletar e rotular dados pode ser custo e, em alguns cenários, impossível, é fundamental investigar métodos que possam trabalhar com supervisão limitada ou sem supervisã...
- Aprendizado de características na recuperação de imagens baseada em rascunhos e no sensoriamento remoto de baixa altitude, AP.R
Resumo
Métodos de aprendizado de características têm alcançado o estado da arte em diversas áreas. Apesar dos resultados excelentes obtidos em conjuntos de dados benchmark, ainda há pouco entendimento sobre seu funcionamento, e aplicações ainda a serem exploradas, em particular quando se considera arquiteturas que vão além das redes neurais convolucionais padrão. Nesse projeto, propomos o uso...
- Sistema de múltiplos classificadores em problemas de desbalanceamento de classes e grandes conjuntos de dados, AP.R
Resumo
Métodos de classificação comumente falham ao lidar com dois tipos de problemas comuns em aplicações reais: conjuntos de dados muito grandes, e o desbalanceamento de classes nos dados. Bases de dados com muitos elementos são cada vez mais comuns pela facilidade tecnológica em se adquirir e armazenar dados e pela natureza de certas aplicações como por exemplo em dados de transações finan...
Bolsas no país
- Estudo de representações de imagens de múltiplos domínios a partir de aprendizado profundo não supervisionado e semi-supervisionado, BP.MS
Resumo
Redes neurais profundas para processar imagens e encontrar representações tem sido aplicadas com grande sucesso em tarefas para as quais há rótulos disponíveis. Ainda que algumas arquiteturas sejam capazes de generalizar para diversos problemas, ainda há uma lacuna no estudo de representações obtidas de forma não supervisionada, ou ainda com poucos rótulos disponíveis. Nesse sentido, e...
- Aprendendo conceitos a partir da fusão de representações de domínios visuais distintos com aprendizado profundo, BP.IC
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 iden...
- Representações unificadas considerando atributos visuais e de semântica textual em tarefas de reconhecimento em imagens, BP.IC
Resumo
O sistema cognitivo-visual humano é capaz de abstrair conceitos visuais a partir de múltiplos elementos em uma cena. Por exemplo, é possível categorizar uma fotografia com pessoas no tema trabalho ou férias com base em atributos visuais como as roupas com as quais as pessoas estão vestidas, e os objetos na cena. Do ponto de vista de visão computacional e reconhecimento de padrões, essa...
- Redes geradoras e aprendizado de características para busca entre domínios visuais, BP.DD
Resumo
Métodos de aprendizado de características têm alcançado o estado da arte em diversas áreas. Apesar dos resultados excelentes obtidos em conjuntos de dados benchmark, ainda há pouco entendimento sobre seu funcionamento, e aplicações ainda a serem exploradas, em particular quando se considera arquiteturas que vão além das redes neurais convolucionais. Nesse projeto, propomos o uso de apr...
- Projeto e desenvolvimento de componentes visuais para interpretação da opinião pública, BP.IC
Resumo
O projeto visa o desenvolvimento de ferramentas Web para a visualização de informações relacionadas à tweets e hashtags monitoradas pelo projeto TSViz (Time Series Visualization). Espera-se, assim, apoiar pesquisadores de diferentes áreas do conhecimento a compreender os impactos de situações da vida real e como elas são mapeadas nas redes sociais e na opinião pública. As ferramentas a...
- Métodos de redução de dimensionalidade em representações geradas por redes convolucionais triplet, BP.IC
Resumo
As redes siamesas e redes triplet, variações das Redes Neurais Convolucionais (CNNs) tradicionais, são comumente empregadas para realizar o aprendizado de sistemas de recuperação a baseados em conteúdo e mapeamento entre domínios graças a capacidade natural dos métodos de gerar espaços ajustados para realização de busca por exemplos. Existe no entanto uma oportunidade de melhoria na fo...
Bolsas no Exterior
- Encontrando correspondências entre representações de diferentes domínios usando combinações de características não-supervisionadas, BE.EP.DD
Resumo
Avanços atuais na área de recuperação de imagens entre domínios são bastante dependentes na disponibilidade de grandes quantidades de dados anotados. Neste projeto desejamos explorar o uso e desenvolvimento de métodos não-supervisionados de aprendizado de características que possam superar a lacuna natural que há entre domínios diferentes. Estamos particularmente interessados em repres...
- Explorando séries temporais com análises visuais, BE.EP.DR
Resumo
A análise de dados tem motivado novos métodos para encontrar padrões, clusters e outliers em diferentes cenários e condições. No contexto de dados que evoluem ao longo do tempo, também referidos como séries temporais ou fluxos de dados, as soluções derivadas de áreas como Sistemas Dinâmicos e Estatística (DSS) ganharam atenção especial na literatura. No entanto, o ferramental de DSS ge...
- Aprendizado de características espaço-temporais e zero-shot learning utilizando fatoração de tensores, BE.EP.DR
Resumo
Aprendizado de características tem apresentado resultados promissores quando usado para extrair características relevantes de diferentes bases de dados de imagens e vídeos. Isso foi observado mesmo quando o modelo de representação não foi treinado utilizando a base de dados em questão, ou até mesmo quando o modelo foi treinado para realizar outra tarefa. Zero-shot learning busca permit...
- Ranking de imagens multi-instancias para recuperação de imagens baseada em rascunhos, BE.EP.IC
Resumo
Existem problemas de classificação de imagens em que cada imagem possui regiões de interesse e para cada região uma uma série de características é extraida. Como resultado temos disponível um conjunto de vetor de características, sendo preciso atribuir um rótulo a um conjunto de instâncias. O Aprendizado Multi-Instâncias estuda o problema em que um objeto é descrito por um bag (conjunt...
- Detecção de anomalia utilizando um algoritmo de aprendizado incremental baseado em floresta de caminhos mínimos, BE.EP.IC
Resumo
Detecção de anomalia é o problema de encontrar padrões com um comportamento não esperado. Técnicas baseadas em classificação são usualmente boas escolhas nesse cenário, mas requerem dados rotulados suficientes tanto da classe normal quanto anômala. Nesse projeto focaremos em um método que modela relações entre exemplos no espaço de características, utilizando um modelo de floresta de c...
- Leonardo Sampaio Ferraz Ribeiro
- Gabriel de Barros Paranhos da Costa
- Camila Tatiana Picon
- Isadora Rossi
- Rodrigo Vicente Casagrande Beber
- Nihey Luz Takizawa
- Roberto Martins de Freitas
- Guilherme de Freitas Perinazzo
- Tiago Santana de Nazare
- Mateus Riva
- Marcello Pagano Silva
- Tobias Mesquita Silva da Veiga
Aprendizado computacional
Aprendizado de Máquina
Aprendizagem profunda
Ciência da Computação
Ciências Exatas e da Terra
Metodologia e Técnicas da Computação
Processamento de imagens
Processamento digital de imagens
Reconhecimento de padrões
Redes neurais
Sensoriamento remoto
Sistemas de Computação
Teoria dos grafos
Visão computacional
Visualização
(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)
| Publicações | 8 |
| Citações | 71 |
| Cit./Artigo | 8,9 |
| Dados do Web of Science | |
PONTI, JR., MOACIR P.. Segmentation of Low-Cost Remote Sensing Images Combining Vegetation Indices and Mean Shift. IEEE Geoscience and Remote Sensing Letters, v. 10, n. 1, p. 67-70, JAN 2013. Citações Web of Science: 27. (11/16411-4)
PONTI, MOACIR; NAZARE, TIAGO S.; THUME, GABRIELA S.. Image quantization as a dimensionality reduction procedure in color and texture feature extraction. Neurocomputing, v. 173, n. 2, SI, p. 385-396, JAN 15 2016. Citações Web of Science: 20. (11/22749-8, 11/16411-4)
BUI, TU; RIBEIRO, LEONARDO; PONTI, MOACIR; COLLOMOSSE, JOHN. Sketching out the details: Sketch-based image retrieval using convolutional neural networks with multi-stage regression. COMPUTERS & GRAPHICS-UK, v. 71, p. 77-87, APR 2018. Citações Web of Science: 2. (16/16111-4, 13/07375-0, 17/10068-2)
DOS SANTOS, FERNANDO P.; RIBEIRO, LEONARDO S. F.; PONTI, MOACIR A.. Generalization of feature embeddings transferred from different video anomaly detection domains. JOURNAL OF VISUAL COMMUNICATION AND IMAGE REPRESENTATION, v. 60, p. 407-416, APR 2019. Citações Web of Science: 0. (13/07375-0, 18/22482-0, 17/22366-8)
PONTI, MOACIR A.; DA COSTA, GABRIEL B. PARANHOS; SANTOS, FERNANDO P.; SILVEIRA, KAUE U.. Supervised and unsupervised relevance sampling in handcrafted and deep learning features obtained from image collections. APPLIED SOFT COMPUTING, v. 80, p. 414-424, JUL 2019. Citações Web of Science: 0. (16/16111-4, 13/07375-0, 15/05310-3)
BUI, T.; RIBEIRO, L.; PONTI, M.; COLLOMOSSE, J.. Compact descriptors for sketch-based image retrieval using a triplet loss convolutional neural network. COMPUTER VISION AND IMAGE UNDERSTANDING, v. 164, n. SI, p. 27-37, NOV 2017. Citações Web of Science: 7. (16/16111-4, 15/26050-0)
PONTI, MOACIR; KITTLER, JOSEF; RIVA, MATEUS; DE CAMPOS, TEOFILO; ZOR, CEMRE. A decision cognizant Kullback-Leibler divergence. PATTERN RECOGNITION, v. 61, n. SI, p. 470-478, JAN 2017. Citações Web of Science: 9. (15/24652-2, 15/13504-2)
PONTI, MOACIR; BET, PATRICIA; OLIVEIRA, CAROLINE L.; CASTRO, PAULA C.. Better than counting seconds: Identifying fallers among healthy elderly using fusion of accelerometer features and dual-task Timed Up and Go. PLoS One, v. 12, n. 4, APR 27 2017. Citações Web of Science: 6. (16/10982-3, 15/13504-2, 13/07375-0, 14/21858-6, 15/09715-8)
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.