CVNLP PPI: Residência em TIC 13 - Heterogeneous Computing for Computational Vision and Natural Language Processing - Programas e Projetos Prioritários (PPI) - MCTI, Softex

Moacir Antonelli Ponti

Professor Associado 3 no Instituto de Ciências Matemáticas e de Computação da Universidade de São Paulo (ICMC/USP) e Data Science Expert no Mercado Livre. É Livre-Docente pela USP. Atuou como pesquisador visitante no Centre for Vision, Speech and Signal Processing (CVSSP), Universidade de Surrey em 2016-2017. Possui um Google Latin America Research Award e é co-autor do livro Machine Learning (Springer). Possui Doutorado em Biotecnologia (2008) e Mestrado em Ciência da Computação (2004) pela Universidade Federal de São Carlos. Suas linhas de pesquisa incluem Aprendizado de Máquina, Processamento de Sinais, Imagens e Video. Desenvolve pesquisa em aprendizado profundo (deep learning), aprendizado de representações para múltiplos domínios e qualidade de dados para aprendizado de máquina. (Texto informado pelo autor)

  • http://lattes.cnpq.br/5041497500746910 (06/01/2025)
  • Rótulo/Grupo: Orientador
  • Bolsa CNPq: Nível 2
  • Período de análise:
  • Endereço: Universidade de São Paulo, Instituto de Ciências Matemáticas e de Computação, Departamento de Ciências da Computação. Avenida Trabalhador Sancarlense 400 Parque Arnold Schimidt 13566590 - São Carlos, SP - Brasil - Caixa-postal: 668 Telefone: (16) 33739686 Fax: (16) 33739650 URL da Homepage: http://www.icmc.usp.br/~moacir
  • Grande área: Ciências Exatas e da Terra
  • Área: Ciência da Computação
  • Citações: Google Acadêmico

Produção bibliográfica

Produção técnica

Produção artística

Orientações em andamento

Supervisões e orientações concluídas

Projetos de pesquisa

Prêmios e títulos

Participação em eventos

Organização de eventos

Lista de colaborações


Produção bibliográfica

Produção técnica

Produção artística

Orientações em andamento

Supervisões e orientações concluídas

Projetos de pesquisa

  • Total de projetos de pesquisa (10)
    1. 2019-2021. Aprendendo características de conteúdo visual sob condições de supervisão limitada utilizando múltiplos domínios
      Descrição: Métodos de aprendizado de características alcançaram o estado da arte em diversas aplicações, em particular em dados de um único domínio, mas também com resultados relevantes em bases de dados de domínios cruzados. Como coletar e rotular dados pode ser custo e, em alguns cenários, impossível, é fundamental investigar métodos que possam trabalhar com supervisão limitada ou sem supervisão. Nesse projeto trataremos o problema do aprendizado de caracter[iticas a partir de sinais, imagens e vídeos, sob supervisão limitada. Serão abordados ambos os problemas de encontrar uma imersão para um conjunto de dados, mas também entre domínios, o que significa encontrar estratégias para casar conteúdo de uma dada tarefa ao longo de diferentes dados ou domínios. Pretende-se contribuir investigando novos modelos e arquiteturas alternativas aos métodos correntes, incluindo modelos geradores, auto-encoders e outros, que permitam vencer os atuais desafios.. Situação: Concluído; Natureza: Pesquisa. Alunos envolvidos: Graduação: (1) / Mestrado acadêmico: (2) / Doutorado: (2) . Integrantes: Moacir Antonelli Ponti - Coordenador / John Collomosse - Integrante / Leonardo Sampaio Ferraz Ribeiro - Integrante / Patrícia Bet - Integrante / Fernando Pereira dos Santos - Integrante. Financiador(es): Fundação de Amparo à Pesquisa do Estado de São Paulo - Auxílio financeiro. Número de produções C, T & A: 1
      Membro: Moacir Antonelli Ponti.
    2. 2017-2019. Aprendizado de características na recuperação de imagens baseada em rascunhos e no sensoriamento remoto de baixa altitude
      Descrição: Métodos de aprendizado de características têm alcançado o estado da arte em diversas áreas. Apesar dos resultados excelentes obtidos em conjuntos de dados benchmark, ainda há pouco entendimento sobre seu funcionamento, e aplicações ainda a serem exploradas, em particular quando se considera arquiteturas que vão além das redes neurais convolucionais padrão. Nesse projeto, propomos o uso de aprendizado de características a partir de aplicações como a análise de imagens de sensoriamento remoto de baixa altitude para agricultura de precisão, e no mapeamento dos domínios rascunho e imagens, com foco na recuperação de imagens baseada em rascunhos. Cada uma dessas tarefas tem seus próprios desafios, mas em comum há o limite de dados rotulados disponível para treinamento. Esses desafios podem ser resolvidos utilizando aprendizado profundo desenvolvendo novas arquiteturas baseadas em auto-encoders, redes siamesas e modelos geradores. Propõe-se avaliar os modelos utilizando não apenas os dados benchmark, mas também avaliar a qualidade das representações por meio de técnicas de visualização e projeção como forma de análise dos espaços de características.. Situação: Concluído; Natureza: Pesquisa. Alunos envolvidos: Graduação: (2) / Doutorado: (3) . Integrantes: Moacir Antonelli Ponti - Coordenador / Gabriel de Barros Paranhos da Costa - Integrante / John Collomosse - Integrante / Leonardo Sampaio Ferraz Ribeiro - Integrante / Fernando Pereira dos Santos - Integrante. Financiador(es): Fundação de Amparo à Pesquisa do Estado de São Paulo - Auxílio financeiro.
      Membro: Moacir Antonelli Ponti.
    3. 2017-2018. Applications of Cross-Domain Visual Matching
      Descrição: This project is a UGPN Research Collaboration Fund between ICMC/Universidade de São Paulo and CVSSP/University of Surey, regarding research collaboration for the problem of visual cross-domain matching, which is to find strategies to match images from a given application across different visual domains. This task is important for example when dealing with photographic images acquired over different conditions so that the images are very different at a pixel level; or also when trying to find images belonging conceptually from the same category, but that comes from different domains such as a photography and a hand-drawn sketch. This proposal is concerned in particular with two applications: sketch-based image retrieval and anomaly detection in video surveillance. During this project we will investigate how feature learning methods can be explored in both applications, and how to incorporate those methods into practical scenarios. The project involves visits from researchers, students and post-docs between both research groups in order to organize meetings and strenghten the collaboration.. Situação: Concluído; Natureza: Pesquisa. Alunos envolvidos: Doutorado: (3) . Integrantes: Moacir Antonelli Ponti - Coordenador / KITTLER, JOSEF - Integrante / John Collomosse - Integrante / Leonardo Sampaio Ferraz Ribeiro - Integrante / Tu Bui - Integrante. Financiador(es): University Global Partnership Network - Auxílio financeiro.
      Membro: Moacir Antonelli Ponti.
    4. 2017-Atual. Aprendizado de características em sinais, imagens e vídeos com aplicações
      Descrição: Métodos de aprendizado de características, em especial deep learning (aprendizado profundo), têm alcançado o estado da arte em diversas aplicações. Apesar da performance desses modelos, ainda há pouco entendimento sobre seu funcionamento, em particular considerando cenários mais complexos como domínios visuais diferentes e sob condições limitantes de exemplos de treinamento rotulados. Nesse projeto, propomos o uso de aprendizado de características a partir de aplicações ainda pouco exploradas envolvendo sinais, imagens e vídeos. Serão empregadas diversas técnicas de aprendizado de características, cujas representações serão avaliadas por métricas conhecidas e ainda por técnicas de visualização e projeção para a interpretação e análise dos espaços. Os resultados esperados incluem modelos obtidos com menor quantidade de rótulos disponíveis, e cenários multi-domínio que permitam obter avanços no estado da arte nas aplicações.. Situação: Em andamento; Natureza: Pesquisa. Alunos envolvidos: Graduação: (5) / Mestrado acadêmico: (5) / Doutorado: (5) . Integrantes: Moacir Antonelli Ponti - Coordenador. Financiador(es): Conselho Nacional de Desenvolvimento Científico e Tecnológico - Bolsa.
      Membro: Moacir Antonelli Ponti.
    5. 2016-2018. Ferramenta de monitoramento de níveis de fragilidade em idosos atendidos na atenção básica de saúde: avaliação da sua efetividade e eficiência
      Descrição: A Atenção Básica de Saúde (ABS) pode oferecer atendimento integral ao idoso a partir da identificação das necessidades especificas de idosos não frágeis, pré frágeis e frágeis. Entretanto, ferramentas que facilitem as ações efetivas dessas políticas são escassas no planejamento e monitoramento das condições de fragilidade dos idosos usuários no Sistema Único de Saúde (SUS). Um sistema de monitoramento computacional a ser utilizado pela equipe de saúde para identificar os níveis de fragilidade de idosos pode colaborar na tomada de decisões, na gestão do cuidado dos idosos, e ainda, pode servir como modelo para outras unidades de saúde brasileiras. Este estudo é uma continuação de um estudo anterior intitulado: "Ferramenta para monitoramento de níveis de fragilidade e fatores associados em idosos atendidos pelo núcleo de apoio a saúde da família (NASF) no município de São Carlos". A primeira fase do projeto foi finalizada com sucesso e avaliou 346 idosos cadastrados na ABS de uma região de alta vulnerabilidade do município. Foram avaliados diversos aspectos relacionados à fragilidade e realizados exames clínicos completos, inclusive com a medida de citocinas inflamatórias. Em seguida, a partir dos resultados encontrados, uma ferramenta foi criada a partir de um algoritmo com intuito de direcionar o atendimento dos idosos de acordo com os níveis de fragilidade (não frágeis, pré-frágeis e frágeis). Nesta nova fase, o objetivo é avaliar a usabilidade, efetividade e eficiência desta ferramenta computacional para monitoramento de níveis de fragilidade em idosos. Para isso, através de métodos quantitativos e qualitativos, a ferramenta será aprimorada e em seguida a equipe de saúde da ABS será treinada para o uso da mesma. Serão monitorados acessibilidade e usabilidade por meio de data loggers, uso dos serviços de saúde pelos idosos e um acompanhamento frequente da tomada de decisões desses profissionais a partir do diagnóstico de fragilidade será realizado. Além disso, os idosos serão reavaliados através da ferramenta e de questionários, realizando-se uma validade cruzada para identificação de eficiência da ferramenta. Espera-se que a ferramenta seja efetiva, eficiente e acessível na detecção de níveis de fragilidade em idosos da ABS.. Situação: Concluído; Natureza: Pesquisa. Integrantes: Moacir Antonelli Ponti - Integrante / Renata Pontin de Mattos Fortes - Integrante / Marisa S Zazzetta - Coordenador / Grace A O Gomes - Integrante / Fabiana S Orlandi - Integrante / Aline C M Gratao - Integrante / Karina Gramani-Say - Integrante / Sofia C I Pavarini - Integrante / Carla M C Nascimento - Integrante / Marcia R. Cominetti - Integrante. Financiador(es): Fundação de Amparo à Pesquisa do Estado de São Paulo - Auxílio financeiro.
      Membro: Moacir Antonelli Ponti.
    6. 2014-2015. Tecnologias Assistivas para Moradia e Independência no Envelhecimento
      Descrição: Esse projeto tenta preencher uma lacuna quanto ao desenvolvimento de Tecnologias Assistivas para independência e autonomia no envelhecimento, nomeadamente: validação do uso de um sensor baseado em aceleração para a detecção e a prevenção da queda em idosos e tecnologia em Web 2.0 para dispositivos táteis. Os resultados podem apontar a validade de equipamentos de baixo custo, baixo nível de erro, e boa receptividade possibilitando a geração de produtos que permitam a manutenção da independência do idoso frágil.. Situação: Concluído; Natureza: Pesquisa. Alunos envolvidos: Graduação: (2) / Mestrado acadêmico: (1) / Doutorado: (1) . Integrantes: Moacir Antonelli Ponti - Integrante / Paula Costa Castro - Coordenador / Renata Pontin de Mattos Fortes - Integrante / Jorge Oishi - Integrante / André Ponce de Leon Ferreira de Carvalho - Integrante. Financiador(es): Conselho Nacional de Desenvolvimento Científico e Tecnológico - Auxílio financeiro.
      Membro: Moacir Antonelli Ponti.
    7. 2013-2015. Sistemas de Múltiplos Classificadores utilizando Florestas de Caminhos Ótimos
      Descrição: Métodos de combinação de classificadores são efetivos, sob determinadas condições, para diversas aplicações em reconhecimento de padrões. A geração de múltiplos classificadores pode ser feita por manipulação dos atributos, das instâncias, de forma paralela ou sequencial. Cada técnica possui características próprias visando a melhoria da tarefa de classificação e adquire propriedades diferentes a depender dos classificadores utilizados para compor o sistema. Enquanto métodos clássicos de aprendizado supervisionado foram estudados nesse contexto, o classificador Optimum-Path Forest (OPF) baseado em florestas de caminhos ótimos foi pouco explorado e estudado. Nesse projeto será feito um estudo dos métodos de criação de múltiplos classificadores por manipulação de instâncias e atributos, geração de diversidade, relação diversidade/erro e tempo de execução utilizando o classificador OPF. Além disso será proposta uma modificação no algoritmo de classificação para permitir saídas em nível de medida, permitindo melhor análise do comportamento da classificação.. Situação: Concluído; Natureza: Pesquisa. Alunos envolvidos: Graduação: (4) / Mestrado acadêmico: (1) . Integrantes: Moacir Antonelli Ponti - Coordenador / Isadora Rossi - Integrante / Gabriel de Barros Paranhos da Costa - Integrante / Tiago Santana de Nazaré - Integrante / Rodrigo Vicente Casagrande Beber - Integrante / Luciana Calixta Escobar - Integrante. Financiador(es): Conselho Nacional de Desenvolvimento Científico e Tecnológico - Auxílio financeiro.
      Membro: Moacir Antonelli Ponti.
    8. 2012-2016. Desafios em Visualização Exploratória de Dados Multidimensionais: Novos Paradigmas, Escalabilidade e Aplicações
      Descrição: Este projeto visa desenvolver novas técnicas e paradigmas que contribuam para o avanço da área de visualização de dados científicos e abstratos, com ênfase no tratamento e manipulação de dados de alta dimensão, multimodais e variantes no tempo. Os novos paradigmas a serem desenvolvidos deverão fornecer metáforas visuais criadas a partir de técnicas de projeção multidimensional e árvores filogenéticas, buscando facilitar a compreensão, exploração e mineração visual de, entre outros, dados textuais, coleções de imagens ou músicas e dados de sensoriamento em nanoescala. Além de primitivas geométricas como unidade de representação visual, propomos usar estruturas de árvores e combinações de entidades geométricas com entidades abstratas a fim de criar um arcabouço unificado de manipulação e representação visual de dados de alta dimensão. Este projeto também inova na proposta de trazer métodos de visualização e exploração visual para o contexto de dispositivos portáteis. Os desenvolvimentos aqui propostos permitirão manter os grupos de pesquisa envolvidos na vanguarda da pesquisa na área, em nível mundial, fomentando a criação de propriedade intelectual nacional e a transferência tecnológica.. Situação: Concluído; Natureza: Pesquisa. Integrantes: Moacir Antonelli Ponti - Integrante / Hélio Pedrini - Integrante / Luis Gustavo Nonato - Coordenador / Rosane Minghim - Integrante / Maria Cristina F. Oliveira - Integrante / Joao Espirito Santo Batista Neto - Integrante / Fernando V. Paulovich - Integrante / Guilherme Telles - Integrante / Alneu Lopes - Integrante. Financiador(es): Fundação de Amparo à Pesquisa do Estado de São Paulo - Auxílio financeiro.
      Membro: Moacir Antonelli Ponti.
    9. 2011-2013. Sistema de múltiplos classificadores em problemas de desbalanceamento de classes e grandes conjuntos de dados
      Descrição: Métodos de classificação podem falhar ao lidar com dois tipos de problemas comuns em aplicações reais: conjuntos de dados muito grandes, e o desbalanceamento de classes nos dados. Bases de dados com muitos elementos são cada vez mais comuns pela facilidade tecnológica em se adquirir e armazenar dados e pela natureza de certas aplicações como por exemplo em dados de transações financeiras, acesso a redes e bioinformática. Sistemas de múltiplos classificadores tem potencial tanto para paralelizar ou distribuir o processamento, quanto para permitir a subamostragem do conjunto de treinamento, tornando viável o uso de grandes bases de dados. Métodos de múltiplos classificatores também tem potencial para minimizar o desbalanceamento de classes, por meio de métodos de amostragem aliados à técnicas de Boosting. Esse projeto visa estudar os dois problemas citados e oferecer soluções baseadas em sistemas de múltiplos classificadores, com aplicações em diversas áreas.. Situação: Concluído; Natureza: Pesquisa. Alunos envolvidos: Graduação: (4) / Mestrado acadêmico: (1) . Integrantes: Moacir Antonelli Ponti - Coordenador / Camila Tatiana Picon - Integrante / Isadora Rossi - Integrante / Gabriel de Barros Paranhos da Costa - Integrante / Tiago Santana de Nazaré - Integrante / Nihey Luz Takizawa - Integrante. Financiador(es): Fundação de Amparo à Pesquisa do Estado de São Paulo - Auxílio financeiro.
      Membro: Moacir Antonelli Ponti.
    10. 2003-2008. Algoritmos para Reconstrução Tomográfica: otimização, reconstrução, quantificação e aplicação clínica
      Descrição: A Reconstrução Tomográfica revolucionou a Medicina, permitindo a visualização anatômica, metabólica e funcional de estruturas humanas de modo não-invasivo. Nestes últimos 30 anos, têm havido progressos notáveis na reconstrução tomográfica a partir de projeções, tanto no que se refere à qualidade e velocidade, quanto em estudos dinâmicos e tridimensionais [Udupa, 2000]. Contudo, ainda há várias questões em aberto nesta área, principalmente em relação à tomografia por emissão, modalidade esta muito utilizada em Medicina Nuclear. São desafios importantes, tais como: a) assegurar resultados verdadeiramente quantitativos ao SPECT - Single Photon Emission Computed Tomography e ao PET- Positron Emission Tomography (remoção de artefatos causados pela atenuação, espalhamento e ruído); b) algoritmos de reconstrução verdadeiramente 4D para estruturas dinâmicas; c) segmentação e quantificação tridimensional robustas; e d) avaliações objetivas dos métodos tomográficos. A tomografia por emissão (SPECT e PET) é uma modalidade de imagens médicas importantíssima porque permite, através do uso de radiofármacos, a obtenção de informações funcionais e metabólicas. Essas informações, muitas vezes, indicam mudanças em processos biológicos que podem levar a identificação de doenças, antes mesmo que modificações anatômicas possam ser detectadas em imagens radiológicas ou por ressonância magnética nuclear. São encontradas ainda situações em que não existem sintomas manifestos e as imagens por emissão já mostram funções alteradas. O projeto aqui apresentado tem, como objetivo principal, unir esforços e conhecimentos de várias equipes com longa experiência em Tomografia, visando soluções práticas e otimizadas de algoritmos de reconstrução, de restauração de imagens, de quantificação de volumes reconstruídos e de aplicações clínicas.. Situação: Concluído; Natureza: Pesquisa. Alunos envolvidos: Doutorado: (1) . Integrantes: Moacir Antonelli Ponti - Integrante / Nelson Delfino d'Ávila Mascarenhas - Coordenador. Financiador(es): Fundação de Amparo à Pesquisa do Estado de São Paulo - Auxílio financeiro. Número de produções C, T & A: 7
      Membro: Moacir Antonelli Ponti.

Prêmios e títulos

  • Total de prêmios e títulos (14)
    1. Best PhD Dissertation Award at PROPOR 2024 (orientando: Edresson Casanova), International Conference on Computational Processing of Portuguese (PROPOR 2024).. 2024.
      Membro: Moacir Antonelli Ponti.
    2. COVID-19 Cough Sub-Challenge Prize, INTERSPEECH 2021 Stefan Steidl Computational Paralinguistics Award.. 2021.
      Membro: Moacir Antonelli Ponti.
    3. Top-2% cientista mais influente no Updated science-wide author databases of standardized citation indicators, Elsevier BV, Stanford University.. 2021.
      Membro: Moacir Antonelli Ponti.
    4. Paraninfo da turma de Bacharelandos em Ciências de Computação 2020, Instituto de Ciências Matemáticas e de Computação.. 2020.
      Membro: Moacir Antonelli Ponti.
    5. Paraninfo da turma de Bacharelandos em Ciências de Computação 2019, Instituto de Ciências Matemáticas e de Computação (ICMC) - USP.. 2019.
      Membro: Moacir Antonelli Ponti.
    6. Prêmio CCM de Incentivo à Pesquisa pelo trabalho "Efeitos da administração aguda do canabidiol na ansiedade induzida pelo teste de simulação de falar em público em pacientes com doença de Parkinson", Congress on Brain, Behavior and Emotions 2018.. 2018.
      Membro: Moacir Antonelli Ponti.
    7. Paraninfo da turma de Bacharelandos em Ciências de Computação em 2017, Instituto de Ciências Matemáticas e de Computação / USP.. 2017.
      Membro: Moacir Antonelli Ponti.
    8. Google Latin America Research Award, Google.. 2017.
      Membro: Moacir Antonelli Ponti.
    9. Professor homenageado da Turma de Ciências de Computação 2011, Instituto de Ciências Matemáticas e de Computação / USP.. 2016.
      Membro: Moacir Antonelli Ponti.
    10. Melhor tese de doutorado: Luiz Coletta. Orientadores: Moacir Ponti, Eduardo Hruschka, X Concurso de Teses e Dissertações em Inteligência Artificial e Computacional (CTDIAC).. 2016.
      Membro: Moacir Antonelli Ponti.
    11. Professor homenageado da Turma de Ciências de Computação 2010, Instituto de Ciências Matemáticas e de Computação / USP.. 2015.
      Membro: Moacir Antonelli Ponti.
    12. Paraninfo da 12ª Turma de Bacharelandos em Sistemas de Informação, Instituto de Ciências Matemáticas e de Computação / USP.. 2014.
      Membro: Moacir Antonelli Ponti.
    13. Workshop of Undergraduate Work - Best Paper Award (Third Place): "Análise da Performance de Descritores de Cor utilizando Imagens em Várias Resoluções" - Camila Picon, Isadora Rossi, Moacir Ponti Jr, XXIV SIBGRAPI - Conference on Graphics, Patterns and Images.. 2011.
      Membro: Moacir Antonelli Ponti.
    14. Dr. Clóvis Eduardo Pinto Ludovice: melhor trabalho de conclusão de curso de graduação, Universidade de Franca.. 2001.
      Membro: Moacir Antonelli Ponti.

Participação em eventos

  • Total de participação em eventos (34)
    1. Escola Regional de Informática do Piauí (ERIPI).Andróides Sonham com Desenhos Elétricos?: deep learning no aprendizado visual multidomínio. 2018. (Outra).
    2. SIBGRAPI - 31st Conference on Graphics, Patterns and Images (SIBGRAPI 2018). Unsupervised representation learning using convolutional and stacked auto-encoders: a domain and cross-domain feature space analysis. 2018. (Congresso).
    3. 2017 30th SIBGRAPI Conference on Graphics, Patterns and Images Tutorials (SIBGRAPIT). Everything you wanted to know about Deep Learning for Computer Vision but were afraid to ask. 2017. (Congresso).
    4. 2017 Brazilian Conference on Intelligent Systems (BRACIS). Relevance Image Sampling from Collection Using Importance Selection on Randomized Optimum-Path Trees. 2017. (Congresso).
    5. BMVA technical meeting: Transfer Learning for Computer Vision. 2017. (Simpósio).
    6. IEEE International Conference on Acoustics, Speech and Signal Processing (ICASSP). Optical-Flow Features Empirical Mode Decomposition for Motion Anomaly Detection. 2017. (Congresso).
    7. 22nd European Conference on Artificial Intelligence (ECAI). One-class to Multi-class Model Update using the Class-Incremental Optimum-Path Forest Classifier. 2016. (Congresso).
    8. BMVA technical meeting: Deep Learning for Computer Vision.Learning Photo-sketch Mapping with Convolutional Neural Networks. 2016. (Simpósio).
    9. 40th International Conference on Acoustics, Speech and Signal Processing (ICASSP). Color description of low resolution images using fast bitwise quantization and border-interior classification. 2015. (Congresso).
    10. 11th International Workshop on Multiple Classifier Systems. Ensembles of Optimum-Path Forest Classifiers Using Input Data Manipulation and Undersampling. 2013. (Congresso).
    11. 18th Iberoamerican Congress on Pattern Recognition. Hand-Raising Gesture Detection with Lienhart-Maydt Method in Videoconference and Distance Learning. 2013. (Congresso).
    12. 2nd IAPR International Workshop on Partially Supervised Learning. Partially Supervised Anomaly Detection Using Convex Hulls on a 2D Parameter Space. 2013. (Congresso).
    13. IEEE Global Conference on Signal and Information Processing (GlobalSIP). Compact color features with bitwise quantization and reduced resolution for mobile processing. 2013. (Congresso).
    14. II Workshop de Pós Graduação em Ciência da Computação.Avaliador de Trabalhos. 2012. (Outra).
    15. International Conference on Image Processing (ICIP). Improving Restoration of Microscopy Images using Iterative Prototypes and a Sequence of Support Constraints. 2012. (Congresso).
    16. 10th International Workshop on Multiple Classifier Systems (MCS 2011). Improving accuracy and speed of Optimum-Path Forest classifier using combination of disjoint training subsets. 2011. (Congresso).
    17. 16th Iberoamerican Congress on Pattern Recognition (CIARP 2011). A Markov Random Field Model for Combining Optimum-Path Forest Classifiers using Decision Graphs and Game Strategy Approach. 2011. (Congresso).
    18. XXIV SIBGRAPI - Conference on Graphics, Patterns and Images. Combining Classifiers: from the creation of ensembles to the decision fusion. 2011. (Congresso).
    19. Feira de Profissões da USP Capital.Apresentação dos cursos da área de computação do ICMC. 2010. (Outra).
    20. Feira de Profissões da USP Interior.Apresentação dos cursos da área de computação do ICMC. 2010. (Outra).
    21. São Paulo Advanced School of Computing: image processing and visualization. 2010. (Outra).
    22. XXIII SIBGRAPI - Conference on Graphics, Patterns and Images. Does Background Intensity Estimation Influence the Iterative Restoration of Microscope Images. 2010. (Congresso).
    23. V Workshop de Visão Computacional. Segmentação de imagens tridimensionais de microscopia por classificação não-supervisionada e por limiar melhorada por restauração , V Workshop de Visão Computacional. 2009. (Congresso).
    24. XXII Brazilian Symposium on Computer Graphics and Image Processing (SIBGRAPI 2009).Uma experiência com aprendizado baseado em problemas no ensino de Computação Gráfica para a graduação. 2009. (Simpósio).
    25. IV Workshop de Visao Computacional. Deconvolution of 3D Fluorescence Microscopy Images by Combining the Filtered Gerchberg-Papoulis and Richardson-Lucy Algorithm. 2008. (Congresso).
    26. 4ª SESINFO (Semana de Sistemas de Informação).Técnicas Computacionais para o Controle de Processos Bioquímicos. 2007. (Simpósio).
    27. 4ª SESINFO (Semana de Sistemas de Informação).Modelagem Computacional Usando Lógica Nebulosa e Redes Neurais. 2007. (Simpósio).
    28. II Workshop de Visão Computacional. Neural-Network Combination for Noisy Data Classification. 2006. (Congresso).
    29. I Semana de Informática de São Sebastião do Paraíso.Mini-curso: Introdução ao Blender para Modelagem 3D. 2006. (Oficina).
    30. XVIII Brazilian Symposium on Computer Graphics and Image Processing.XVIII Brazilian Symposium on Computer Graphics and Image Processing. 2005. (Simpósio).
    31. II Congresso de Pós Graduação da UFSCar. Combinação de Classificadores Para Reconhecimento de Padrões em Imagens Tomográficas. 2003. (Congresso).
    32. Introdução à Biotecnologia. 2003. (Seminário).
    33. XVI Brazilian Symposium on Computer Graphics and Image Processing.XVI Brazilian Symposium on Computer Graphics and Image Processing. 2003. (Simpósio).
    34. 2º Encontro de Iniciaçao Cientifica e de Professores Pesquisadores. 2000. (Encontro).

Organização de eventos

  • Total de organização de eventos (10)
    1. FARIA, E. R. ; Ponti, Moacir A.. Symposium on Knowledge Discovery, Mining and Learning (KDMiLe). 2020. Congresso
    2. PONTI, M. A.. Pint of Science São Carlos. 2020. (Outro).. . 0.
    3. PONTI, M. A.. Pint of Science São Carlos. 2019. (Outro).. . 0.
    4. IMASATO, H. ; MANZATO, M. G. ; PONTI, M.. XVI Encontro dos Grupos PET da Região Sudeste (SudestePET). 2016. Outro
    5. PONTI, M.. 18.a Semana da Computação - ICMC/USP. 2015. (Outro).. . 0.
    6. PONTI-JR, M.P.. 17.a Semana da Computação - ICMC/USP. 2014. (Outro).. . 0.
    7. PONTI-JR, M.P.. 16.a Semana da Computação - ICMC/USP. 2013. (Outro).. . 0.
    8. FARIA, E. R. ; MARI, J. F. ; PONTI-JR, M.P.. Semana Acadêmica do Curso de Sistemas de Informação (SACSIS). 2009. Outro
    9. PONTI-JR, M.P.. I Encontro de Pesquisa e Extensão do Campus de Rio Paranaíba. 2009. (Outro).. . 0.
    10. PONTI-JR, M.P.. 1a. Semana de Informática da Faculdade de Sistemas de Informação de São Sebastião do Paraíso. 2006. (Outro).. . 0.

Lista de colaborações

  • Colaborações endôgenas (3)
    • Moacir Antonelli Ponti ⇔ Arnaldo Candido Junior (4.0)
      1. CASANOVA, EDRESSON ; JUNIOR, ARNALDO CANDIDO ; SHULBY, CHRISTOPHER ; Oliveira, Frederico Santos de ; Teixeira, João Paulo ; Ponti, Moacir Antonelli ; ALUÍSIO, SANDRA. TTS-Portuguese Corpus: a corpus for speech synthesis in Brazilian Portuguese. Language Resources and Evaluation. v. 2022.1, p. 1-13, issn: 1574-0218, 2022.
      2. MATOS, A. N. ; ARAUJO, G. E. ; CANDIDO JUNIOR, A. ; PONTI, M. A.. Accent Classification is Challenging but Pre-training Helps: a case study with novel Brazilian Portuguese datasets. Em: 16th International Conference on Computational Processing of Portuguese (PROPOR 2024), p. 364-373, 2024.
      3. CASANOVA, EDRESSON ; SHULBY, CHRISTOPHER ; KOROLEV, ALEXANDER ; JUNIOR, ARNALDO CANDIDO ; SOARES, ANDERSON DA SILVA ; ALUÍSIO, SANDRA ; Ponti, Moacir Antonelli. ASR data augmentation in low-resource settings using cross-lingual multi-speaker TTS and cross-lingual voice conversion. Em: INTERSPEECH 2023, v. 1, p. 1244-1248, 2023.
      4. CASANOVA, EDRESSON ; SHULBY, CHRISTOPHER ; GÖLGE, EREN ; MÜLLER, NICOLAS MICHAEL ; Oliveira, Frederico Santos de ; CANDIDO JR., ARNALDO ; SOARES, ANDERSON DA SILVA ; ALUISIO, SANDRA MARIA ; Ponti, Moacir Antonelli. SC-GlowTTS: An Efficient Zero-Shot Multi-Speaker Text-To-Speech Model. Em: Interspeech 2021, p. 3645-3649, 2021.

    • Moacir Antonelli Ponti ⇔ Sandra Maria Aluísio (3.0)
      1. CASANOVA, EDRESSON ; JUNIOR, ARNALDO CANDIDO ; SHULBY, CHRISTOPHER ; Oliveira, Frederico Santos de ; Teixeira, João Paulo ; Ponti, Moacir Antonelli ; ALUÍSIO, SANDRA. TTS-Portuguese Corpus: a corpus for speech synthesis in Brazilian Portuguese. Language Resources and Evaluation. v. 2022.1, p. 1-13, issn: 1574-0218, 2022.
      2. CASANOVA, EDRESSON ; SHULBY, CHRISTOPHER ; KOROLEV, ALEXANDER ; JUNIOR, ARNALDO CANDIDO ; SOARES, ANDERSON DA SILVA ; ALUÍSIO, SANDRA ; Ponti, Moacir Antonelli. ASR data augmentation in low-resource settings using cross-lingual multi-speaker TTS and cross-lingual voice conversion. Em: INTERSPEECH 2023, v. 1, p. 1244-1248, 2023.
      3. CASANOVA, EDRESSON ; SHULBY, CHRISTOPHER ; GÖLGE, EREN ; MÜLLER, NICOLAS MICHAEL ; Oliveira, Frederico Santos de ; CANDIDO JR., ARNALDO ; SOARES, ANDERSON DA SILVA ; ALUISIO, SANDRA MARIA ; Ponti, Moacir Antonelli. SC-GlowTTS: An Efficient Zero-Shot Multi-Speaker Text-To-Speech Model. Em: Interspeech 2021, p. 3645-3649, 2021.

    • Moacir Antonelli Ponti ⇔ Marcelo Finger (1.0)
      1. CASANOVA, EDRESSON ; CANDIDO JR., ARNALDO ; FERNANDES JR., RICARDO CORSO ; FINGER, MARCELO ; GRIS, LUCAS RAFAEL STEFANEL ; PONTI, MOACIR ANTONELLI ; PINTO DA SILVA, DANIEL PEIXOTO. Transfer Learning and Data Augmentation Techniques to the COVID-19 Identification Tasks in ComParE 2021. Em: Interspeech 2021, p. 446, 2021.




Data de processamento: 03/02/2025 11:00:32