CV Lattes
ResearcherID
ORCID
Universidade de São Paulo (USP). Instituto de Matemática e Estatística (IME) (Instituição Sede da última proposta de pesquisa) País de origem: Brasil
Nina S. T. Hirata é bacharel e doutor em Ciência da Computação pela Universidade de São Paulo (USP). Desde 2001 está junto ao Departamento de Ciência da Computação do Instituto de Matemática e Estatística da USP, onde atualmente é professora associada. Atua em ensino e orientação em nível de graduação e pós-graduação e realiza pesquisas em aprendizado de máquina e reconhecimento de padrões, com aplicações predominantemente voltadas mas não limitadas ao processamento e análise de imagens. Atualmente mantém colaborações com pesquisadores das áreas de Astronomia, Oceanografia, e Biomedicina. Atua também ativamente junto à comunidade científica por meio de participação em comitês técnicos, e emissão de pareceres a agências de fomento à pesquisa, revistas e conferências científicas. Vem também engajando-se ao ensino de conceitos e técnicas de aprendizado de máquina por meio de cursos, palestras e outras formas de difusão. (Fonte: Currículo Lattes)
| Matéria(s) publicada(s) no Pesquisa para Inovação FAPESP sobre o(a) pesquisador(a): |
| Técnica para detecção de parasitas baseada em inteligência artificial é mais eficaz que as convencionais |
| Big data pode gerar benefícios políticos, sociais e econômicos |
| Matéria(s) publicada(s) na Agência FAPESP sobre o(a) pesquisador(a) |
| TITULO |
| Matéria(s) publicada(s) em Outras Mídias (0 total): |
| Mais itensMenos itens |
| VEICULO: TITULO (DATA) |
| VEICULO: TITULO (DATA) |
Pesquisas científicas estão gerando um número crescente de imagens digitais, de micrografias de células a imagens de galáxias. Instrumentações automatizadas podem capturar muitas imagens, que são automaticamente processadas para gerar dados. Para que esses dados possam ser úteis à comunidade científica e beneficiar o público em geral, a geração deve ser rápida (mesmo para milhões de image…
Este projeto centra-se em uma estratégia unificada para descoberta de conhecimento e dinâmicas emergentes em Ciência Computacional usando representações intermediárias. As aplicações pretendidas estão em áreas caracterizadas por extrema abundância de dados, nas quais a descoberta de conhecimento implica na transição das bases de dados brutos para representações intermediárias, usualmente …
Um objetivo central na área de Visão Computacional é a interpretação de imagens. Em geral, aspectos de aparência são usados para detectar os componentes de interesse e então as relações espaciais e hierárquicas entre eles são usadas para "descrever" o conteúdo de uma imagem no nível semântico de interesse. Os modelos profundos atuais atingiram um estágio de evolução tal que são capazes de…
A visita do professor Christian Viard-Gaudin tem como objetivo o aprofundamento das colaborações existentes entre o eScience Lab do Instituto de Matemática e Estatística, USP, com o IVC Lab da Universidade de Nantes, França. Durante a sua visita, o professor Viard-Gaudin irá contribuir em pesquisas relacionadas ao reconhecimento de expressões matemáticas manuscritas e ao processamento de …
Auxiliar no desenvolvimento, teste e validação de uma ferramenta computacional interativa voltada para a rotulação (classificação) e verificação de rótulos de imagens de plâncton. Adicionalmente, organizar e preparar o código de tal forma que a ferramenta possa ser facilmente instalada e utilizada mesmo por pessoas sem conhecimentos de programação. (AU)
O bolsista irá desenvolver atividades relacionadas ao teste e validação de uma ferramenta interativa que está sendo desenvolvida no escopo do projeto ao qual essa bolsa está vinculada. Especificamente, a ferramenta permite a visualização de um lote de imagens capturadas por um equipamento in situ que são projetadas em um mapa bidimensional de pontos com o qual o usuário pode interagir. O …
As aranhas procuram frequentemente abrigo no calor e segurança das residências e, embora a maioria delas seja inofensiva, algumas podem representar um perigo real. Assim, uma vez que diferenciar espécies de aranhas pode ser um desafio para pessoas sem conhecimento prévio, ter uma forma de identificá-las poderia ser útil para evitar aquelas que são venenosas. Para solucionar esta questão,…
Imagens de tomografia computadorizada (CT) de pulmão estão sendo usadas para ajudar no diagnóstico e prognóstico da doença COVID-19. Para facilitar essa tarefa, métodos automatizados para detecção de lesões de COVID-19 estão sendo desenvolvidos. Esses métodos são em sua maioria baseadas em técnicas de aprendizado profundo e já estão alcançando acurácias elevadas. No entanto, a maior parte…
O bolsista de treinamento técnico irá atuar junto à equipe brasileira do projeto WWW.PIC, formada por pesquisadores das áreas de computação e de oceanografia. A principal função será prover suporte técnico-computacional para o projeto, tais como ajudar a equipe no uso do sistema EcoTaxa, na organização dos diversos conjuntos de imagens de plâncton, no desenvolvimento e teste de scripts e …
O objetivo principal deste projeto de pós-doutorado é o desenvolvimento de métodos computacionais baseados em aprendizado de máquina para acelerar tanto a anotação quanto a classificação de imagens de plâncton, de forma a minimizar o esforço empenhado pelo especialista. O método deve ser capaz de fazer uso efetivo de conhecimento gerado previamente, produzindo rapidamente um novo classifi…
Avanços recentes em arquiteturas neurais profundas atingiram resultados impressionantes na tarefa de Detecção de Objetos. Entretanto, estas técnicas são conhecidas por precisarem de grandes quantidades de dados rotulados para poder generalizar corretamente, dados que são mais difíceis de obter do que no caso tradicional de classificação de imagens. Para amenizar este problema, a aplicação…
Processamento de imagens é uma parte importante em vários problemas de análise de imagens. Com redes neurais profundas, e particularmente com as redes neurais convolucionais, é possível aprender transformações de imagem-a-imagem a partir de pares de imagens de treinamento entrada-saída. O processamento de cada pixel como uma amostra independente já mostrou resultados significativos, porém…
O reconhecimento online de expressões matemáticas manuscritas é um problema interessante e desafiador na área de Reconhecimento de Padrões. O problema é interessante pela variedade de aplicações possíveis e é desafiador pelo fato de envolver um grande número de classes de símbolos e pela necessidade de reconhecimento do arranjo bidimensional dos símbolos. A análise estrutural das expressõ…
Publicado em 29 de abril de 2019 - Agência FAPESP. Os dados têm valor e, se bem explorados, podem gerar benefícios políticos, sociais e econômicos. Mas, se por um lado há uma infinidade de dados disponíveis para serem coletados e trabalhados, por outro há uma imensa demanda reprimida no Brasil por profissionais da área de computação. A avaliação foi feita no dia 22 de abril, na Assembleia Legislativa de São Paulo (Alesp), por pesquisadores participantes do segundo evento do Ciclo de Palestras ILP-FAPESP 2019, que teve como tema Big data e Machine learning. O ciclo é uma parceria entre o Instituto do Legislativo Paulista (ILP) e a FAPESP.