Paulo André Vechiatto de Miranda.

Métodos de análise de imagens e vídeos que utilizam representações hierárquicas de imagens visam explorar a representação visual como um espaço-escala orientado por regiões, isto é, um conjunto de representações baseadas, por exemplo, em grafos, com diferentes níveis de detalhe, nos quais a representação em nı́veis mais finas são aninhadas para obter níveis mais grosseiros produzindo assim uma hierarquia de partições. Este tipo de estrutura de dados tem sido aplicado com sucesso em imagens médicas, detecção de objetos e reconhecimento de ações humanas. Apesar das várias abordagens para computar hierarquias de partições, desenvolver métodos eficientes e efetivos não é uma tarefa fácil, devido às informações semânticas necessárias para realizar a segmentação. De fato, os métodos do estado-da-arte de segmentação são altamente dependentes do uso de bons gradientes para produzir bons resultados. Além disso, os métodos não-hierárquicos podem produzir bons resultados para a segmentação graças à medida de (dis)similaridade usada para fundir duas regiões. Além disto, modelagens baseadas em árvores de caminhos ótimos representam uma excelente direção para sanar eventuais problemas produzidos pelas hierarquias uma vez que eventuais erroa no delineamento das bordas podem ser corrigidos. Estes métodos podem, eventualmente, serem transformados, sem perda de qualidade, em métodos hierárquicos, incorporando novas propriedades graças ao uso da hierarquia. Assim, o principal objetivo deste estudo é tanto avançar no estado da arte em hierarquia de partições, considerando aspectos de eficiência, qualidade, transformações hierárquicas e interatividade, bem como no uso de informações hierárquicas que possam auxiliar, por exemplo, na extração de informações e na deteção de anomalias em vídeo. Finalmente, exploraremos métodos de segmentação semi-supervisionado por meio da localização (semi) automática de marcadores, exploraremos ainda critérios de comparação e combinação de estrutura hierárquicas, levando em consideração seus mapas de saliência, e eventualmente, usaremos métodos de aprendizagem para auxiliar nesta combinação. Além disto, estudaremos estruturas de dados para representar imagens. Os resultados destes estudos serão utilizados para a resolução de várias aplicações como identificação de células susceptíveis ao câncer em imagens médicas, rotulação de regiões em imagens e vídeos, identificação de superpixels e supervoxels, inpainting, entre outros. Tendo em vista a expertise e complementariedade das equipes nos grandes laboratórios, a saber, na UNICAMP, na PUC Minas e na USP, pretendemos desenvolver um trabalho colaborativo que explora as especialidades de cada instituição.

Em muitas áreas das Ciências e Engenharia, imagens fornecem informações sobre problemas reais e a associação por uma máquina de um ou mais rótulos por imagem (anotação), com base nessas informações, conduz a uma decisão sobre o problema. No entanto, o aprendizado de máquina requer que o conteúdo de interesse, denominado amostra, seja manualmente isolado e identificado (rotulado) em imagens de treinamento. À medida que as imagens e amostras por imagem não rotuladas crescem em número, a anotação manual delas se torna inviável, nos conduzindo às seguintes questões: Qual é a forma mais intuitiva dos especialistas ensinarem às máquinas a anotar imagens? Quais são as tarefas e desafios envolvidos neste processo? Como minimizar o esforço do especialista com máxima eficácia no aprendizado de máquina? O que máquinas e especialistas podem aprender interagindo? Este projeto temático visa encontrar respostas para estas questões por meio do estudo e desenvolvimento de métodos para anotação de imagem em larga escala, e construção de sistemas de tomada de decisão (sem a participação do usuário) e de sistemas de apoio à decisão, onde especialistas e máquinas cooperam e aprendem uns com os outros continuamente. A metodologia explora as habilidades complementares dos seres humanos, melhores em abstrair o conhecimento, e máquinas, superiores no processamento de dados em larga escala, de modo repetitivo e sem fadiga. O problema é dividido em duas etapas: extração de amostras das imagens e aprendizado interativo de máquina, visando a construção de uma sequência de operações para anotar novas imagens automaticamente ou com o mínimo de intervenção humana. O estudo busca combinar características de imagem obtidas dos dados com características provenientes do conhecimento sobre a aplicação. O projeto visa ainda inovações científicas e tecnológicas para o diagnóstico de parasitos gastrintestinais em humanos e animais vertebrados, por meio da aquisição e anotação automatizadas de imagens microscópicas, e para demonstrar a extensão dos métodos em outros domínios, o projeto inclui estudos de anotação de imagem médica por modelos de forma multi-objeto, e anotação interativa de imagem de sensoriamento remoto.

This research is part of the INCT of the Future Internet for Smart Cities funded by CNPq, proc. 465446/2014-0, CAPES proc. 88887.136422/2017-00, and FAPESP, proc. 2014/50937-1. Urban mobility involves the management of pedestrian safety regarding traffic accidents as well as incidents related to theft and assault. We focus on this issue adopting a data-centric approach based on data from three main sources: (1) video images captured specifically to collect data from pedestrians, (2) information provided by authorities, and (3) existing models for pedestrian behaviour. Our work focuses on i) the combination and treatment of data from these three sources, ii) synthesis of analytical models to extract meaningful patterns from data, and iii) actual generation of relevant information from these data. As a prototype, we plan to build a system to inform citizens about unsafe spots in a city. We believe that the system can be ofinterest on its own; furthermore the techniques and methodologies developed to design this system can be generalised to a variety of uses, scenarios and domains.

Delinear bordas de objetos em imagens é fundamental no contexto de diversas áreas de conhecimento, incluindo medicina e sensoriamento remoto. A segmentação de órgãos e tecidos do cérebro humano, por exemplo, consiste em um passo necessário para o estudo da origem, diagnóstico e tratamento de doenças tais como mal de Alzheimer e esquizofrenia. Já a classificação de tipos de terrenos auxilia na prevenção de desmatamentos e a medição de níveis de água na emissão de alertas de enchentes ou secas. Apesar disso, as ferramentas automáticas e semiautomáticas de delineamento de bordas existentes ainda possuem enormes deficiências ao lidar com descontinuidades, ruídos, variação de cor, intensidade e textura. Este projeto tem como objetivo estudar alternativas para as atuais metodologias de delineamento de bordas utilizando grafos a saber: live-wire, riverbed e lazywalk. Serão estudados mecanismos para aprimorar a interação com o usuário em ferramentas semiautomáticas de delineamento bi e tridimensionais, a escolha de funções para geração de pesos de arestas, a seleção de funções de propagação de caminhos em grafos e técnicas de aprendizado supervisionado para que em cada aplicação específica consiga-se identificar as bordas mais relevantes com menor esforço e acurácia.

Matemática discreta fornece uma estrutura elegante para o processamento de imagens, sendo rica em algoritmos eficientes, com provas de corretude. Como consequência, muitos métodos recentes de processamento de imagem têm sido modelados como problemas de busca e otimização em grafos. Métodos tradicionais podem também ser reformulados com base em grafos, levando a implementações mais eficientes, e/ou favorecendo análises teóricas, o que possibilita o desenvolvimento de novas extensões. Por outro lado, as peculiaridades do processamento de imagem exigem adaptações específicas, o que gera novos desafios de pesquisa e oportunidades, visto a crescente quantidade de publicações na área. Alguns dos tópicos a serem investigados compreendem: Restrições topológicas, automação, sinergia entre operadores de imagem, funções de conexidade não suaves no arcabouço da transformada imagem-floresta (IFT), métodos híbridos, e reconhecimento de padrões por grafos. Como resultado desta pesquisa, visamos a implementação de uma ferramenta online em HTML5, WebGL e Node.JS, que favoreça a divulgação científica dos resultados de pesquisa e a sua visibilidade externa. A ferramenta irá permitir vários modos de visualização, edição, e segmentação, de modo integrado, com recursos de colaboração em tempo real na Web, e com especial atenção para imagens médicas multimodais e tridimensionais (ex: ressonância magnética (RM) para a pesquisa em neurologia).

Esse projeto faz parte de um projeto maior chamado: "Implantação de Infraestrutura em Engenharia Biomédica na Unifesp para Desenvolvimento de Inovação Tecnológica na Saúde: Tomografia Biomagnética".
Valor total: até R$ 2.462.525,00, sendo: R$ 2.347.325,00 destinados ao Acordante por meio de aporte direto, R$ 115.200,00 destinados a Bolsas de Desenvolvimento Científico e Tecnológico, a serem transferidos pelo Conselho Nacional de Desenvolvimento Científico e Tecnológico - CNPq; Fonte: Saúde.

O objetivo deste projeto é o desenvolvimento de algoritmos, técnicas matemáticas e ferramentas de software para problemas de computação visual (processamento de imagens, computação gráfica e visão computacional). Minha colaboração será em técnicas de segmentação de imagens e vídeos. O projeto envolve vários pesquisadores da UNICAMP. Eu cito alguns.

Estudo e desenvolvimento de técnicas de processamento de imagens, com ênfase em duas aplicações: imagens de ressonância magnética do cérebro humano e imagens de microscopia óptica de parasitos intestinais. No primeiro caso, o projeto visa a análise de assimetrias cerebrais e sua relação com doenças degenerativas, tais como epilepsia, auxiliando à pesquisa em neurologia. No segundo caso, o projeto visa a automatização completa do diagnóstico de enteroparasitoses por análise de imagens. O projeto envolve a transformada imagem-floresta como metodologia principal; técnicas de otimização para registro de imagens; técnicas de rendering; e análise de padrões em imagens.

Este projeto visa a criação de uma rede de pesquisa multidisciplinar para adquirir tecnologia de ponta e estudar a dinâmica cerebral associada a epilepsias e outras doenças degenerativas. O projeto envolve pesquisadores de várias instituições do Estado de São Paulo. Eu listo alguns dos pesquisadores principais. Minha colaboração está em técnicas de segmentação de imagens médicas, visando a análise de assimetrias cerebrais, as quais possam ser exploradas no estudo, detecção e tratamento de várias doenças neurológicas.