| 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 | |
| TITULO | |
| Matéria(s) publicada(s) em Outras Mídias ( ): | |
| Mais itensMenos itens | |
| VEICULO: TITULO (DATA) | |
| VEICULO: TITULO (DATA) | |