Busca avançada
Ano de início
Entree

Aprendendo características de conteúdo visual sob condições de supervisão limitada utilizando múltiplos domínios

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 supervisão. Nesse projeto trataremos o problema do aprendizado de caracter[iticas a partir de sinais, imagens e vídeos, sob supervisão limitada. Serão abordados ambos os problemas de encontrar uma imersão para um conjunto de dados, mas também entre domínios, o que significa encontrar estratégias para casar conteúdo de uma dada tarefa ao longo de diferentes dados ou domínios. Pretende-se contribuir investigando novos modelos e arquiteturas alternativas aos métodos correntes, incluindo modelos geradores, auto-encoders e outros, que permitam vencer os atuais desafios. (AU)

Matéria(s) publicada(s) na Agência FAPESP sobre o auxílio:
Matéria(s) publicada(s) em Outras Mídias (0 total):
Mais itensMenos itens
VEICULO: TITULO (DATA)
VEICULO: TITULO (DATA)

Publicações científicas (7)
(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)
OLIVEIRA DE RESENDE, DAMARES CRYSTINA; PONTI, MOACIR ANTONELLI. obust image features for classification and zero-shot tasks by merging visual and semantic attribute. NEURAL COMPUTING & APPLICATIONS, v. 34, n. 6 JAN 2022. Citações Web of Science: 0.
SOARES, V. H. A.; PONTI, M. A.; GONCALVES, R. A.; CAMPELLO, R. J. G. B. Cattle counting in the wild with geolocated aerial images in large pasture areas. COMPUTERS AND ELECTRONICS IN AGRICULTURE, v. 189, OCT 2021. Citações Web of Science: 0.
VOGADO, LUIS; VERAS, RODRIGO; AIRES, KELSON; ARAUJO, FLAVIO; SILVA, ROMUERE; PONTI, MOACIR; TAVARES, JOAO MANUEL R. S. Diagnosis of Leukaemia in Blood Slides Based on a Fine-Tuned and Highly Generalisable Deep Learning Model. SENSORS, v. 21, n. 9 MAY 2021. Citações Web of Science: 0.
BET, PATRICIA; CASTRO, PAULA C.; PONTI, MOACIR A. Foreseeing future falls with accelerometer features in active community-dwelling older persons with no recent history of falls. Experimental Gerontology, v. 143, JAN 2021. Citações Web of Science: 0.
DOS SANTOS, FERNANDO P.; ZOR, CEMRE; KITTLER, JOSEF; PONTI, MOACIR A. Learning image features with fewer labels using a semi-supervised deep convolutional network. NEURAL NETWORKS, v. 132, p. 131-143, DEC 2020. Citações Web of Science: 0.
BET, PATRICIA; CASTRO, PAULA C.; PONTI, MOACIR A. Fall detection and fall risk assessment in older person using wearable sensors: A systematic review. INTERNATIONAL JOURNAL OF MEDICAL INFORMATICS, v. 130, OCT 2019. Citações Web of Science: 1.
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: 3.

Por favor, reporte erros na lista de publicações científicas escrevendo para: cdi@fapesp.br.