Busca avançada
Ano de início
Entree

Classificação de estrelas, galáxias e quasares baseada em imagens fotométricas multibandas

Processo: 22/11645-1
Modalidade de apoio:Bolsas no Brasil - Iniciação Científica
Data de Início da vigência: 01 de outubro de 2022
Data de Término da vigência: 30 de novembro de 2024
Área de conhecimento:Ciências Exatas e da Terra - Ciência da Computação - Metodologia e Técnicas da Computação
Pesquisador responsável:Nina Sumiko Tomita Hirata
Beneficiário:Gabriel Jacob Perin
Instituição Sede: Instituto de Matemática e Estatística (IME). Universidade de São Paulo (USP). São Paulo , SP, Brasil
Vinculado ao auxílio:15/22308-2 - Representações intermediárias em Ciência Computacional para descoberta de conhecimento, AP.TEM
Bolsa(s) vinculada(s):23/15047-4 - Fusão de Large Language Models, BE.EP.IC
Assunto(s):Classificação de imagens   Aprendizagem profunda   Processamento de imagens   Redes neurais   Visão computacional   Aprendizado computacional   Objetos astronômicos
Palavra(s)-Chave do Pesquisador:Classificação de Imagens | Deep Learning | Objetos astronômicos | Processamento de imagens | Redes neurais | Visão Computacional | Machine learning

Resumo

O projeto S-PLUS (Southern Photometric Local Universe Survey) está coletando imagens de 12 bandas do céu do hemisfério sul. No contexto deste projeto, há interesse na detecção de quasares e outros tipos de objetos. Em trabalhos anteriores, foram desenvolvidos métodos baseados em aprendizado de máquina para a classificação de três tipos de objetos (estrelas, galáxias e quasares). Um dos trabalhos utilizou dados de catálogo, incluindo objetos com dados faltantes, enquanto o outro utilizou imagens, sem objetos com dados faltantes. O objetivo desse projeto de iniciação científica é a comparação desses métodos utilizando um novo data release, o DR4, do S-PLUS. Para isso, as implementações dos métodos serão revisadas e adaptadas para o novo cenário e as avaliações serão realizadas em condições experimentais diretamente comparáveis. O estudo envolverá investigações sobre o tratamento de dados faltantes e pré-treinamento de redes neurais convolucionais, a serem usadas no processamento de imagens. Comparações quantitativas e qualitativas dos dois métodos serão realizadas para entender suas diferenças.

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

Publicações científicas
(As publicações científicas contidas nesta página são originárias da Web of Science ou da SciELO, cujos autores mencionaram números dos processos FAPESP concedidos a Pesquisadores Responsáveis e Beneficiários, sejam ou não autores das publicações. Sua coleta é automática e realizada diretamente naquelas bases bibliométricas)
HERPICH, F. R.; ALMEIDA-FERNANDES, F.; SCHWARZ, G. B. OLIVEIRA; LIMA, E. V. R.; NAKAZONO, L.; ALONSO-GARCIA, J.; FONSECA-FARIA, M. A.; SARTORI, M. J.; BOLUTAVICIUS, G. F.; DE SOUZA, G. FABIANO; et al. The Fourth S-PLUS Data Release: 12-filter photometry covering ∼3000 square degrees in the southern hemisphere. Astronomy & Astrophysics, v. 689, p. 25-pg., . (23/10774-5, 24/03575-9, 18/20977-2, 21/10429-0, 21/11345-5, 22/00996-8, 21/09468-1, 22/11645-1, 23/14272-4, 18/21661-9, 20/00457-4, 19/01312-2, 21/12744-0, 21/08813-7)
PERIN, GABRIEL J.; CHEN, XUXI; LIU, SHUSEN; KAILKHURA, BHAVYA; WANG, ZHANGYANG; GALLAGHER, BRIAN. RankMean: Module-Level Importance Score for Merging Fine-tuned Large Language Models. FINDINGS OF THE ASSOCIATION FOR COMPUTATIONAL LINGUISTICS: ACL 2024, v. N/A, p. 7-pg., . (23/15047-4, 22/11645-1, 22/15304-4)
PERIN, GABRIEL J.; HIRATA, NINA S. T.. Few-shot Retinal Disease Classification on the Brazilian Multilabel Ophtalmological Dataset. 2024 37TH SIBGRAPI CONFERENCE ON GRAPHICS, PATTERNS AND IMAGES, SIBGRAPI 2024, v. N/A, p. 6-pg., . (23/15047-4, 22/11645-1, 22/15304-4)