Possui graduação em Ciência da Computação (Universidade Estadual Paulista "Júlio de Mesquita Filho" -- UNESP, 2007), Mestrado em Ciência da Computação (Universidade Estadual de Campinas -- UNICAMP, 2010) e Doutorado (Universidade Estadual de Campinas -- UNICAMP, 2014). Foi Pesquisador Visitante na University of South Florida, Tampa/Florida (04/2012 -- 04/2013) sob orientação do Prof. Dr. Sudeep Sarkar. De 03/2014 a 03/2015, realizou pós-doutoramento no Instituto de Computação da Universidade de Campinas sob supervisão do professor Ricardo Torres. Dentre 07/2019 a 10/2020 foi Pesquisador Visitante no Australian Institute for Machine Learning (AIML) na The University of Adelaide. Atualmente é Professor Adjunto no Instituto de Ciência e Tecnologia da Universidade Federal de São Paulo (ICT-UNIFESP), coordenador do Grupo de Robótica FORGERS e membro lider do Grupo de Inovação baseada em Imagens e Sinais (GIBIS). As áreas de pesquisas de maior interesse são Aprendizagem de Máquina, Mineração de Dados, Fusão de Informação, Visão Computacional e Processamento de Imagens. (Fonte: Currículo Lattes)
| 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) |
Várias técnicas de aprendizagem de máquina baseiam-se em grandes conjuntos de dados rotulados para construir modelos preditivos em tarefas de aprendizado supervisionado. O uso de técnicas de aprendizado profundo pode ser destacado, já que tem sido amplamente utilizado com sucesso em vários domínios. Por outro lado, em muitas circunstâncias, os conjuntos rotulados não estão disponíveis ou …
Muitas técnicas de aprendizagem de máquina têm a necessiade de utilizar grandes conjunto de dados rotulados para construir modelos preditivos e resolver tarefas de aprendizagem supervisionada. O uso de técnicas de aprendizado profundo pode ser destacado, desde que elas têm sido muito utilizadas e obtido sucesso em diversos domínios de conhecimento. Por outro lado, o conjunto de dados rotu…
Esse projeto visa especificar e implementar métodos de recuperação e classificação multimídia utilizando fusão de técnicas de aprendizagem de máquina para combinar diferentes tipos de evidências. A motivação para o uso de técnicas de aprendizagem reside no fato de que estas técnicas aplicadas a processamento de imagens em diversas áreas de conhecimento (médicas, biológicas, segurança, ent…
Com os avanços tecnológicos, grandes coleções de imagens manipuladas e armazenadas em bancos de imagens. Dado os bancos e a impossibilidade de análise destas imagens por verifica-se a necessidade de se e encontrar padrões nas imagens úteis a seus usuários e servirem de pesquisa tem como objetivo de classificação de imagem baseada contribuições esperadas são: (a) extração de característica…
Arquiteturas de aprendizagem profunda, mais conhecidas como deep learning e em especial as redes neurais convolucionais (CNNs) são responsáveis pelo grande avanço das pesquisas nas áreas de visão computacional e aprendizagem de máquina dos últimos tempos. Esse fato se dá pelos excelentes resultados obtidos por essas redes em diferentes domínio de aplicações. O ressurgimento das CNNs ocorr…
CV Lattes
ORCID