RODRIGUES MOREIRA, LARISSA FERREIRA ; MOREIRA, RODRIGO ; TRAVENÇOLO, BRUNO AUGUSTO NASSIF ; Backes, André Ricardo . Deep learning based image classification for embedded devices: A systematic review. NEUROCOMPUTING, v. 623, p. 129402, 2025.
SILVA, M. G. ; TRAVENCOLO, B. A. N. ; Backes, A.R. . Deep learning for image analysis and diagnosis aid of prostate cancer. In: 20th International Conference on Computer Vision Theory and Applications (VISAPP 2025), 2025, Porto. Proceedings of the 20th International Joint Conference on Computer Vision, Imaging and Computer Graphics Theory and Applications, 2025. v. 1.
SILVA, L. H. F. P. ; MARI, JOÃO FERNANDO ; ESCARPINATI, M. C. ; Backes, A.R. . Evaluating Combinations of Optimizers and Loss Functions for Cloud Removal using Diffusion Models. In: 20th International Conference on Computer Vision Theory and Applications (VISAPP 2025), 2025, Porto. Proceedings of the 20th International Joint Conference on Computer Vision, Imaging and Computer Graphics Theory and Applications, 2025. v. 1.
MARI, JOÃO FERNANDO ; RODRIGUES, L. F. ; SILVA, L. H. F. P. ; ESCARPINATI, M. C. ; BACKES, A. R. . Breast cancer image classification using Deep Learning and Test-Time Augmentation. In: 20th International Conference on Computer Vision Theory and Applications (VISAPP 2025), 2025, Porto. Proceedings of the 20th International Joint Conference on Computer Vision, Imaging and Computer Graphics Theory and Applications, 2025. v. 1.
Lista completa de publicações: http://lattes.cnpq.br/8590140337571249
A análise de imagens médicas é um campo de intensa pesquisa, com muitas abordagens sendo desenvolvidas ao longo dos anos. Nesse sentido esse projeto propõe a aplicação de métodos de visão computacional e inteligência artificial em problemas médicos relevantes, como a classificação de amostras de células de diferentes exames para descobrir fases pré-cancerígenas ou cancerosas nas amostras.
A ferrugem é uma praga severa para o cafeeiro. Ela é causada por um fungo endofítico que vive em quase todas as folhas de cafeeiros adultos, principalmente nas mais velhas. No Brasil, muitos parques de produção de café são susceptíveis a doença, que se não for controlada adequadamente pode causar uma redução de até 45% na produção do fruto do café. Nesse sentido, Métodos computacionais podem ser utilizados para avaliar as características presentes nas folhas de café e, consequentemente facilitar e agilizar a tarefa de identificação de doenças como a ferrugem.
Atualmente, estudos sobre anatomia foliar fornecem uma importante fonte de atributos, auxiliando estudos taxonômicos e filogenéticos. Esses estudos dependem fortemente das medidas desses atributos (como a espessura do tecido) e informações qualitativas (descrição de estruturas, presença-ausência de estruturas). Neste projeto, nós utilizamos métodos de análise de forma e de textura para a extração de dados quantitativos da folha da planta visando a classificação da mesma na sua espécie correspondente.
Nos últimos anos tem-se notado um uso crescente de imagens de sensoriamento remoto e de VANT (Veículo Áereo Não Tripulado) em aplicações envolvendo mapeamentos e estudos urbanos. Isso se deve ao fato deste tipo de imagem ser uma fonte rica em informações sobre a superfície terrestre, uma ampla cobertura e um baixo custo. No entanto, essas imagens são o resultado de complexas interação entre os diferentes elementos que constituem a cidade (sistema viário, quadras, lotes, e edificações), o que dificulta o processo de análise. Assim, este projeto pretende estudar o estado da arte em métodos computacionais de análise de imagens com foco em áreas de arquitetura, urbanismo e agricultura de precisão.
Na área de processamento de imagens tanto a forma (aspecto geométrico) quanto a textura (o padrão presente na superfície do objeto) podem ser utilizados para analisar e identificar um objeto contido em uma imagem. Nesse sentido, este projeto tem como objetivo estudar e desenvolver novas abordagens de análise de imagens. O foco principal é o estudo de métodos capazes de identificar formas e texturas por meio da análise da complexidade. Dentre os métodos atualmente estudados (selecionados com base na similaridade de seus algoritmos e metodologia) estão: