Roberto Hirata Junior.

Métodos de Visão Computacional são empregados para extração de informações de imagens e vídeos, mas nem sempre os elementos contextuais presentes neles são suficientes para a extração de informações corretas e precisas. Nesses casos, conteúdos de outras fontes e modalidades de dados como áudio e texto, ou ainda outras informações externas aos dados, como conhecimentos a priori, podem ser utilizados para complementar e enriquecer o contexto da informação de interesse. Adicionalmente, o contexto de aplicação pode impor restrições diversas tais como limitações de hardware, necessidade de garantia de privacidade, entre outros. Portanto, métodos de Visão Computacional modernos precisam ser capazes de integrar automaticamente os elementos contextuais da informação de interesse e também aqueles relacionados à aplicação em questão. O objetivo deste projeto é o desenvolvimento de modelos e métodos de visão computacional que sejam capazes de gerar representações ricas em contexto. O projeto será organizado em três eixos principais integrados: (i) Uso ótimo de dados não-supervisionados; (ii) Alinhamento de domínios multi-modais; (iii) Propriedades de representações. De especial interesse são aplicações de visão computacional envolvendo dispositivos de borda (edge computing) e dispositivos móveis (como smartphones e mini-computadores). Para desenvolver, testar e validar os métodos, pretendemos construir um setup experimental consistindo de múltiplas câmeras e sensores que permitirão a construção de conjuntos de dados supervisionados a serem explorados pelo grupo..

The Future Internet will integrate large-scale systems constructed from the composition of thousands of distributed services, while interacting directly with the physical world via sensors and actuators, which compose the Internet of Things. This Future Internet will enable the realization of the Smart Cities vision, in which the urban infrastructure will be used to its fullest extent to offer a better quality of life for its citizens. Key to the efficient and effective realization of Smart Cities is the scientific and technological research covering the
multiple layers that make up the Internet. This project aims to address challenges and initiatives related to Future Internet and Smart Cities in the scope of the InterSCity project. The challenges and initiatives are organized in three fronts: (1) Networking and High-Performance Distributed Computing; (2) Software Engineering for the Future Internet; and (3) Analysis and Mathematical Modeling for the Future Internet and Smart Cities. InterSCity aims at developing an integrated open-source platform containing all the major building blocks for the development of robust, integrated, sophisticated applications for the smart cities of the future.

The astonishing fast rate of technology evolution has given rise to a new era of scientific knowledge discovery. This new age of science, known as e-Science, is described as the new great computational and multidisciplinary team science requiring novel methodologies for data storage, modeling and analysis. In particular, the development of transactional and analytical software systems for e-Science applications when viewed from a dynamic systems perspective, presents a number of new computational challenges. Among them are the scientific knowledge discovery processes, which involve frequent changes of requirements for data storage, modeling and analysis. The need to address scientific dynamic systems in order to cope with complex applications of e-Science has woken up the scientific community for the development of robust and evolutionary software systems to meet these new challenges. Dynamical system is the classical mathematical formalism to represent phenomena that evolute with time, which are of great interest in science. In this project, our main goal is to develop computational models and methodologies to support e-Science applications viewed as dynamic systems. Our fundamental research covers three key research areas, namely storage, modeling, and analysis of dynamic systems. These research areas are significant and relevant to the FAPESP e-Science Program since many of the present e-Science challenges are related to the proper treatment of dynamic systems. Hence, we plan to develop and apply computational methodologies that will ease the development of e-Science applications, thereby contributing to the improvement of worldwide scientific knowledge, while respecting legal and ethical restrictions in data management.

O problema de projeto de operadores morfológicos pode ser modelado no contexto de aprendizagem de máquina como um problema de aprendizado de uma função local que mapeia o padrão observado em cada ponto da imagem para um valor de saída. Uma característica interessante dos operadores morfológicos é o fato de eles permitirem uma interpretação intuitiva de seus efeitos, uma vez que sua concepção é fortemente baseada em explorar informação de forma e de topologia. Além disso, eles são formalmente bem caracterizados por fundamentos teóricos sólidos. Porém, por construção, operadores morfológicos não possuem propriedades interessantes como invariância à escala e à rotação e também não levam em consideração informações globais ou de contexto. Neste projeto, o objetivo principal é avançar os métodos existentes para projeto de operadores morfológicos para que estes sejam capazes de tratar objetos de diferentes escalas e levem em consideração informações globais e de contexto. Para tanto, a principal ideia a ser explorada é o uso de descritores de características diversas citados na literatura da área, de forma acoplada ao arcabouço de combinação de operadores. Deverão ser investigados os aspectos teóricos, estatísticos e práticos associados. Aplicações em processamento de imagens de documentos são planejadas como meio para validação dos métodos a serem desenvolvidos.

A ciência moderna é crescentemente interdisciplinar e intensiva em dados. Na área de ciências da vida, por
exemplo, com o surgimento de plataformas de alto desempenho para imagem e estudos genômicos o gargalo
não está mais na aquisição de dados mas sim no seu processamento, análise, armazenamento e transferência. Esse cenário levou ao desenvolvimento de novas metodologias matemáticas e de ciência da computação para o tratamento de grande volume de dados, conhecidas hoje como e-Science. Entre os recursos mais importantes para e-Science estão a computação em nuvem e o uso de ferramentas de análise on-line. É também imperativo que a aquisição e inclusão de dados oriundos de plataformas de alto desempenho em bancos, para posterior análise e transferência, obedeçam a critérios estabelecidos ex ante por uma curadoria (data engineering). Essa nova arquitetura de tratamento de dados é essencial para que a descoberta científica nos principais domínios do conhecimento não venha a ser detida pelo ?dilúvio de dados? (Baraniuk RG, Science.2011. 331:717-8). A presente proposta centra-se na criação do Núcleo de e-Science da USP como uma resposta institucional para a formação de uma rede de laboratórios da Universidade de São Paulo capaz de: i) liderar iniciativas em desenvolvimento e difusão de metodologias computacionais aplicáveis à captura, armazenamento, manutenção e análise de dados gerados por plataformas de alto desempenho em domínios como medicina e biologia; ii) organizar a formação de recursos humanos nessa área ; iii) gerar, difundir e transferir tecnologia em e-Science.

Dado o volume crescente de imagens geradas atualmente, a importância de métodos de processamento e análise que possam ser facilmente adaptados para diferentes t ipos de imagens está cada vez mais evidente. Dentre tarefas comuns em processame nto de imagens destacam-se a segmentação e a detecção de objetos de interesse. De um lado, os operadores morfológicos são ferramentas poderosas que podem ser utilizados na solução dessas tarefas. De outro lado, aprendizagem computacional é uma abordagem que permite a adaptação de métodos de processamento de um contexto para outro. A aliança desses dois vem gerando técnicas de aprendizagem de opera dores morfológicos a partir de imagens de treinamento. No entanto, os resultados satisfatórios ainda estão restritos ao contexto de processamento de imagens binárias. Este projeto de pesquisa visa avanços no estado-da-arte em aprendizagem d e operadores morfológicos para imagens níveis de cinza, e especialmente voltados para os problemas de detecção de objetos e segmentação de imagens. Uma das cont ribuições esperadas desta proposta é a solução de problemas reais de detecção e segmentação de objetos em imagens de diferentes áreas tais como Astronomia, Oceanografia e Biologia, em colaborações multidisciplinares mantidas pelos membros da equipe.

Projetar operadores morfológicos que apresentam bom desempenho em problemas de processamento e análise de imagens não é, em geral, uma tarefa simples. Uma abordagem útil para auxiliar o projeto de operadores é sua formulação como um problema de aprendizagem computacional: pares de imagens entrada-saída são utilizados como amostras de treinamento para gerar, via técnicas de aprendizagem computacional, um operador que procura mapear as imagens de entrada para as respectivas imagens de saída. No contexto considerado, esses operadores são caracterizados por uma função local que depende de uma vizinhança na imagem em torno do ponto a ser processado. Vizinhanças muito pequenas restringem a classe de operadores, gerando erro de restrição, e vizinhanças muito grandes resultam em imprecisão, gerando muita variância. Uma abordagem promissora recentemente proposta para balancear esses dois tipos de erro no caso de operadores binários é o projeto multinível de operadores. Nessa abordagem, o treinamento é realizado em múltiplos níveis, de forma a combinar em cada nível os resultados dos níveis anteriores. A escolha dos parâmetros dessa abordagem multinível tem sido realizada, por enquanto, manualmente. Este projeto de pesquisa pretende investigar aspectos práticos e teóricos dessa abordagem; em particular, pretende automatizar a escolha de parâmetros e estender a abordagem multinível para operadores sobre imagens em tons e cinza.

A ciência moderna é crescentemente interdisciplinar e intensiva em dados. Na área de ciências da vida, por exemplo, com o surgimento de plataformas de alto desempenho para análise de imagens e estudos genômicos, o gargalo não está mais na aquisição de dados mas sim no seu armazenamento, processamento, análise e visualização. Este cenário levou ao surgimento de um novo campo de pesquisa ? eScience ? que combina pesquisa avançada em computação e em modelagem matemática para permitir e acelerar pesquisa em outros domínios do conhecimento, desde as ciências exatas até as humanidades e artes. A eScience envolve a chamada "computação centrada em dados" (data-intensive computing), com a busca de soluções para gerenciamento de grandes volumes de dados produzidos por (e para) experimentos científicos, para que a descoberta científica não venha a ser detida pelo ?dilúvio de dados?. Este projeto visa a criação de uma rede colaborativa de eScience para acelerar pesquisa avançada em ciências da vida (biologia, medicina, oceanografia) e ciências agrárias. Está estruturado em torno de cinco linhas de pesquisa ? biologia de sistemas, planejamento de safras, computação visual, modelagem matemática e bancos de dados. Dentro dessas linhas, serão tratadasquestões em aberto associadas às principais componentes de um ambiente de pesquisa em eScience: armazenamento, processamento, análise e visualização de grandes volumes de dados científicos. Os pesquisadores principais têm histórico de cooperação e coordenação de projetos nessas linhas.
Questões de interoperabilidade permeiam todo o projeto

A demanda pela análise de imagens oriundas das mais variadas subáreas biomédicas e biológicas tem nitidamente crescido nos últimos anos. Além dos desafios computacionais diretamente relacionados à natureza da análise em questão, tais como a complexidade das imagens e o grande volume e tipos de problemas, verificam-se desafios relacionados à multidisciplinaridade e à necessidade de melhor integração de resultados gerados no tratamento de diferentes problemas. Este projeto de pesquisa propõe a investigação, desenvolvimento e validação de métodos e técnicas inovadoras para exploração e análise de bioimagens. Para viabilizar essa investigação, diversos subprojetos, todos relacionados a algum problema de análise de bioimagens e que envolvem colaborações com pesquisadores das áreas biológicas, são contemplados nesta proposta. Adicionalmente, está previsto o desenvolvimento de um ambiente unificado para exploração e análise de imagens, que terá papel importante para operacionalizar e viabilizar o desenvolvimento dos métodos e técnicas, melhorar as interações em colaborações multidisciplinares e permitir reaproveitamento de resultados. Com isso, esta proposta visa contribuir para formação de competência nacional em análise de bioimagens.

Os tumores da porção superior do trato digestivo (esôfago e estômago) representam um importante desafio na pesquisa sobre o câncer. A grande maioria dos pacientes é diagnosticada tardiamente e, por conseqüência, com prognóstico bastante limitado. Enquanto os adenocarcinomas de estômago representam a segunda maior cause de morte relacionada ao câncer, os adenocarcinomas do esôfago apresentam a maior taxa de crescimento percentual nos Estados Unidos e Europa, assim como nas populações de maior renda no hemisfério sul. Os adenocarcinomas do estômago e do esôfago estão freqüentemente associados a processos inflamatórios da mucosa normal. Esse processo inflamatório crônico leva à substituição da mucosa normal por um tecido colunar do tipo intestinal, denominado metaplasia intestinal do estômago e que, no esôfago, recebe a denominação de mucosa de Barrett. Essas duas patologias não devem ser consideradas doenças pré-malígnas, uma vez que a taxa de transformação em adenocarcinomas é reduzida, mas representam o fator de risco mais importante para os adenocarcinomas dos dois órgãos. Usando a metodologia de microarranjos de DNA, estudamos as características moleculares de amostras de tecido representando mucosa normal, metaplasia intestinal e adenocarcinomas desses dois órgãos. Com base nestes dados, aplicamos ferramentas matemáticas e estatísticas para identificar assinaturas moleculares capazes de classificar precisamente as amostras. Também, foi possível definir um conjunto de alterações em vias metabólicas relacionadas aos processos inflamatórios e de metabolismo de glicerolípedes que poderão contribuir para o entendimento da origem e dos processos moleculares envolvidos na transformação maligna. Neste projeto, pretendemos criar uma rede de instituições e pesquisadores com tradição de pesquisa em tumores de estomago e esôfago que permitirá acesso a um número maior de amostras com dados clínicos e epidemiológicos associados. Com essas amostras, pretendemos estabelecer uma

No presente projeto de pesquisa pretende-se estudar subsistemas biológicos dentro de um sistema complexo usando o modelo de Redes Booleanas Probabilísticas e a abordagem de aprendizado estatístico e computacional. O número de genes a ser considerado no subsistema é pequeno de forma a viabilizar as inferências entre os genes de estudo e, simplificar os modelos matemáticos e computacionais. A importância deste trabalho é que os algoritmos desenvolvidos podem ajudar pesquisadores a encontrar genes ainda não conhecidos envolvidos em importante processos biológicos, além de fortalecer a colaboração dos grupos envolvidos (Brasil, Argentina e USA).

Dentre os desafios enfrentados atualmente pela pesquisa em reconhecimento de padrões, cabe ressaltar três linhas fundamentais: (a) problemas em que elementos devem ser descritos estruturalmente através de uma rede indicando conexões entre tais elementos; (b) problemas envolvendo a evolução da informação ao longo de alguma variável independente (e.g. tempo, no caso de seqüências de vídeo); (c) problemas envolvendo ambos aspectos, i.e. uma rede de elementos cuja dinâmica evolui ao longo de alguma variável independente. O presente projeto temático, unindo os grupos de visão do IME-USP e IFSC-USP, além de pesquisadores colaboradores de outras instituições, prevê o estudo, desenvolvimento e aplicação de técnicas de reconhecimento de padrões com esses três itens formando o tema de integração da pesquisa. Além da área de reconhecimento de padrões, o projeto inclui técnicas e problemas de visão computacional, processamento de imagens e de sinais e bioinformática, todas sendo áreas de trabalho dos pesquisadores proponentes. As atividades de pesquisa tratarão de aspectos de reconhecimento de padrões e de redes em ambas direções: (1) utilização de técnicas de reconhecimento de padrões para auxiliar na análise de redes em aplicações específicas; (2) desenvolvimento de técnicas de reconhecimento de padrões baseadas em redes. Esta linha de pesquisa incluirá a utilização de grafos em reconhecimento estrutural de padrões e raciocínio espacial. Os métodos em tais abordagens são marcados pelo fato que a tarefa de reconhecimento não envolve apenas os objetos em uma imagem, mas igualmente as relações entre tais objetos. Parte da importância da utilização dessas relações advém do fato que tais relações são frequentemente mais estáveis nas cenas que muitas propriedades dos objetos em si. Em particular, pretende-se explorar técnicas que descrevem a estrutura dos elementos em imagens através de grafos. Nesse caso, a rede é formada por elementos de uma imagem cujos arcos representam relaçõe

Projeto CNPq - Pesquisador

Projeto Temático FAPESP