Deep Learning na Visão Computacional
|
|
- Ágata das Neves Gomes
- 5 Há anos
- Visualizações:
Transcrição
1 Deep Learning na Visão Computacional Hae Yong Kim Deep learning está realizando tarefas que pareciam impossíveis 5 anos atrás. Estamos dando passos para computador que: * Entende o que vê; * Entende o que ouve, e fala vários idiomas; * Lê e entende texto científico, médico e jurídico; * Aprende sozinho, a partir das experiêcias. Frequentemente sai notícias sobre deep learning em jornal de grande circulação.
2 Deep learning evoluiu muitíssimo rápido (5 anos). Tarefas consideradas impossíveis 5 anos atrás são possíveis hoje. Ex: Computador soluciona melhor captcha do que ser humano. Nós, professores, estamos tendo que aprender deep learning, voltando a sentar no banco de alunos. Meu esforço para aprender deep learning: 1) Livro 2) Programas Tiny-DNN, Theano. 3) Banco de imagens MNIST e CIFAR-10. 4) Curso de Stanford CS231n Convolutional Neural Networks for Visual Recognition. 5) Programas Dlib, Caffe, Tensorflow.
3 Deep learning (2010) é uma técnica particular de machine learning (1980). Machine learning (1980) é uma sub-área de inteligência artificial (1950).
4 Machine learning simples: Dadas amostras de treinamento de peso (kg) e rótulo Adulto, Bebê e Criança: Classifique 16kg, 3kg e 75kg. Muito simples
5 Feminimo Classifique: Masculino?? Muito difícil, sem usar deep learning. Eu classifiquei manualmente e cometi 1% de erro. Fiz um programa deep learning simples que comete 1% de erro. Programa simples é tão bom quanto ser humano! Polêmica causada pelo software que reconhece homossexuais pela face (20-30% de erro).
6 Deep learning utiliza redes neurais com muitas camadas escondidas. Em visão computacional, usa camada convolucional. Consegue resolver problemas que pareciam impossíveis, como: * Classificar os rostos em feminino/masculino. * Descobrir idade pela face. * Ler placas e números de casas para Google Map. Agora, captcha é inútil: computador reconhece melhor letras e números distorcidos que humanos.
7 Procurar: Man riding bicycle carrying dog em mecanismos de busca: Google, Bing, Yahoo, Duckduckgo. Como os sites de busca encontram imagens de: Man riding bicycle carrying dog? Se escrever em português, (ainda) não dá muito certo.
8 Man seated on a chair hugging dog Man walking with dog on highway
9 Reconhecimento de fala (Siri, Cortana, etc) Tradução de texto (Google translate, Bing translator, etc.) Recomendação de vídeo no Youtube. Propaganda com sugestão de produtos que o usuário pode se interessar. Restaura automaticamente cor em fotos preto-e-branco. Colorir manualmente:
10 Super-resolução. Consegue identificar o rosto na coluna esquerda? Computador gerou a coluna do meio. Coluna da direita é a imagem alta-resolução desconhecida.
11 Aprende a jogar video-game Jogando (vendo os pixels e movendo joystick). Em muitos jogos, é melhor que ser humano. Melhora jogando contra si mesmo.
12 Carro autônomo. Robótica. Composição automática de música. Leitura labial (93% de acerto, melhor que ser humano 52%).
13 Transferir estilo de pintura.
14 Classificação de dígitos manuscritos MNIST (provavelmente, o problema mais simples de deep learning) Erro humano: 2 2,5 % Erro de machine learning convencional: 2,5% O menor erro de deep learning: 0,23% O que eu consegui: 0,35%.
15 Banco de dados para reconhecimento de objetos: MNIST: Dígitos manuscritos. Imagens 28x28. CIFAR-10: 10 categorias de objetos (trem, gato, cachorro, carro, navio, etc). Imagens 32x32. Pascal: 20 categorias de objetos. Imagens grandes com bounding box localizando objetos. Imagenet: categorias. 14 milhões de imagens.
16 LeNet-5 Vou usar slides do curso de Stanford. [LeCun et al., 1998] Conv filters were 5x5, applied at stride 1 Subsampling (Pooling) layers were 2x2 applied at stride 2 i.e. architecture is [CONV-POOL-CONV-POOL-FC-FC] Fei-Fei Li & Justin Johnson & Serena Yeung Lecture 9-8 May 2, 2017
17 LeNet-5 (1998) AlexNet (2012) aqui deep learning torna-se popular VGGNet (2014) GoogleNet (2014) ResNet (2015) Todos baseados em rede neural convolucional. Usam ReLU, maxpooling, e fully-connected layer.
18 ImageNet Large Scale Visual Recognition Challenge (ILSVRC) winners First CNN-based winner Fei-Fei Li & Justin Johnson & Serena Yeung Lecture 9-22 May 2, 2017
19 Deep learning (convolutional neural net) aprende sozinho quais são as melhores características. Antes, ser humano tinha que dizer.
20 CPU vs GPU # Cores Clock Speed Memory Price CPU: Fewer cores, but each core is CPU 4 (Intel Core (8 threads with i7-7700k) 4.4 GHz Shared with system $339 much faster and much more hyperthreading capable; great at ) sequential tasks CPU 10 (Intel Core (20 threads i7-6950x) 3.5 GHz Shared with system $1723 with hyperthreading ) GPU: More cores, GPU GHz 12 GB GDDR5X $1200 but each core is (NVIDIA much slower and Titan Xp) dumber ; great for parallel tasks GPU GHz 8 GB GDDR5 $399 (NVIDIA GTX 1070) Fei-Fei Li & Justin Johnson & Serena Yeung Lecture April 27, 2017
21 Num computador bom: * GPU 50x mais rápido que CPU usando cudnn (biblioteca otimizada). * GPU 3x mais rápido que CPU sem biblioteca otimizada. No meu computador: * GPU 10x mais rápido que CPU usando cudnn. * GPU e CPU mesma velocidade sem biblioteca otimizada. É muito difícil escrever programa para GPU. Se escrever, não fica muito rápido. Tem que usar rotinas prontas (cudnn). Não precisa ter computador com GPU bom. É possível usar computação na nuvem (Google, Amazon, etc).
22 Google TPU (Tensor Processing Unit) Em uso pela Google desde TPU é 15-30x mais rápido que GPU/CPU. Gasta muito menos energia. 78
23 Softwares para deep learning Paddle (Baidu) Caffe Caffe2 (UC Berkeley) (Facebook) CNTK (Microsoft) Torch PyTorch (NYU / Facebook) (Facebook) MXNet (Amazon) Developed by U Washington, CMU, MIT, Theano TensorFlow (U Montreal) (Google) Hong Kong U, etc but main framework of choice at AWS And others... Empresas (e não universidades) estão fornecendo software para deep learning. Há interesse econômico. Fei-Fei Li & Justin Johnson & Serena Yeung Lecture 8-20 April 27, 2017
24 Testei: * Tiny_dnn (C++, só para CPU). * Dlib (C++, CPU/GPU) * Caffe (linguagem própria, Python, C++) Testei rapidamente: * Theano (Python) * Tensorflow (Python, C++) Estou buscando softwares que permitam inserir novos tipos de camadas. De preferência em C++, pois é bem mais rápido que Python.
25 Other Computer Vision Tasks Semantic Classification Object Instance Segmentation + Localization Detection Segmentation GRASS, CAT, CAT DOG, DOG, CAT DOG, DOG, CAT TREE, SKY No objects, just pixels Single Object Fei-Fei Li & Justin Johnson & Serena Yeung Multiple Object This image is CC0 public domain Lecture May 10, 2017
26 [Mnih et al. NIPS Workshop 2013; Nature 2015] Reinforcement learning: Playing Atari Games Objective: Complete the game with the highest score State: Raw pixel inputs of the game state Action: Game controls e.g. Left, Right, Up, Down Reward: Score increase/decrease at each time step Fei-Fei Li & Justin Johnson & Serena Yeung Lecture May 23, 2017
27 Video by Károly Zsolnai-Fehér. Reproduced with permission. Fei-Fei Li & Justin Johnson & Serena Yeung Lecture May 23, 2017
28 Problema: Adversarial attack. 8% peixe dourado 12% margarida (Andrej Karpathy, Breaking Linear Classifers on ImageNet ) (Goodfellow 2016)
29 Problema: Adversarial attack: Turning Objects into Airplanes (Goodfellow 2016)
30 Deep learning explodiu nos últimos 5 anos. Possivelmente, estamos no meio de uma revolução em computação. No futuro, talvez teremos computadores com processadores dedicado a deep learning. Já estamos usando deep learning corriqueiramente (ex: quando fazemos busca na internet, usamos Siri, Cortana, etc.). As empresas estão investindo pesado em deep learning. Frequentemente, aparecem novas aplicações de deep learning. Nós, professores, estamos tendo que aprender deep learning.
Redes Neurais Convolucionais
André Gustavo Hochuli Orientador: Prof. Dr. Luiz Eduardo Soares de Oliveira Programa de Pós-Graduação em Informática Departamento de Informática UFPR http://www.inf.ufpr.br/aghochuli/caffe/ Redes Neurais
Leia maisRedes Neurais Convolucionais
André Gustavo Hochuli Orientadores: Dr. Luiz E. S. Oliveira/Dr. Alceu Britto Programa de Pós-Graduação em Informática Departamento de Informática UFPR Neurônio Artificial Redes Neurais - Vetor de Caracteristícas
Leia maisMachine learning para reconhecimento de padrões em tempo real
Machine learning para reconhecimento de padrões em tempo real Felipe Kühne Guilherme Webber Mendes DBLab Laboratório de Inovação DBServer Assessoria em Sistemas de Informação Junho de 2018 Quem somos Felipe
Leia maisRoberto Lotufo Big Data Brasil São Paulo, 23 de junho de 2018
Roberto Lotufo roberto@neuralmind.ai Big Data Brasil São Paulo, 23 de junho de 2018 Classificação dedo falso/dedo vivo Desempenho atual: 200ms Intel I5 99% acurácia LivDet 2015 - Fingerprint Liveness Competition
Leia maisVERY DEEP CONVOLUTIONAL NETWORKS FOR LARGE-SCALE IMAGE RECOGNITION - VGG
Exemplo de Implementação - 16 VERY DEEP CONVOLUTIONAL NETWORKS FOR LARGE-SCALE IMAGE RECOGNITION - VGG Edjalma Queiroz da Silva Programa de pós-graduação em Ciências da Computação Mestrado e Doutorado
Leia maisRedes Convolucionais Aplicadas em Visão Computacional
Redes Convolucionais Aplicadas em Visão Computacional Marcos José Canêjo Estevão de Azevêdo mjcea@cin.ufpe.br Sumário História Evolução Tipos Aplicações Considerações Finais 2 História Surgiram em 1980
Leia maisRegion Based CNNs. Francisco Calaça Xavier. Programa de pós-graduação em Ciências da Computação Mestrado e Doutorado. Instituto de Informática UFG
Region Based CNNs Francisco Calaça Xavier Programa de pós-graduação em Ciências da Computação Mestrado e Doutorado Instituto de Informática UFG Prof. Anderson Soares Agenda O problema Estado da arte R-CNN
Leia maisGoogLeNet - Going Deeper with Convolutions
- Going Deeper with Convolutions Heyde Francielle do Carmo França Prof. Dr. Anderson Soares Instituto de Informática Universidade Federal de Goiás 02 de Dezembro de 2016 1 / 35 Sumário I 1 2 3 2 / 35 3
Leia maisJAI 6 - Deep Learning Teoria e Prática
JAI 6 - Deep Learning Teoria e Prática Cristina Nader Vasconcelos Universidade Federal Fluminense CNNs Câmeras estão por toda parte! crisnv@ic.uff.br Aquisição de imagens digitais crisnv@ic.uff.br 3 Representação
Leia maisInteligência Artificial
Universidade Federal de Campina Grande Departamento de Sistemas e Computação Pós-Graduação em Ciência da Computação Inteligência Artificial Aprendizagem (Redes Neurais - Complementar) Prof. a Joseana Macêdo
Leia maisIA - TensorFlow. Paulo Cotta
IA - TensorFlow Paulo Cotta Jabá Sou voluntário do GDG Trabalho na Stefanini como Engineer ML e DL Tenho à Startup Koffee More Gosto de repassar conhecimento Faço parte do Candangos do Cerrado IA Professor
Leia maisTópicos Especiais: Inteligência Artificial. Deep Learning
Tópicos Especiais: Inteligência Artificial Deep Learning Bibliografia Inteligência Artificial Russell & Norvig Site: http://aima.cs.berkeley.edu Inteligência Artificial, Ben Coppin. Online Course: Zero
Leia maisReconhecimento de Modelos de Veículos
Reconhecimento de Modelos de Veículos Fernando Benedito Veras Magalhães January 15, 2018 1 Introdução Em 2017, 2,1 milhões de automóveis, incluindo picapes e furgões, foram vendidos no Brasil. A variedade
Leia maisMinicurso: Inteligência Artificial Aplicada a Sistemas Elétricos. Capítulo: Inteligência Artificial na Arquitetura Intel.
Minicurso: Inteligência Artificial Aplicada a Sistemas Elétricos Capítulo: Inteligência Artificial na Arquitetura Intel Flávio Mello, DSc Niterói, 12 de Maio de 2018 Centro de Excelência em IA da Intel
Leia maisClassificação de espécies de peixe utilizando redes neurais convolucional
Classificação de espécies de peixe utilizando redes neurais convolucional Andre G. C. Pacheco a,1 a Programa de Pós-Graduação em Informática (PPGI), Universidade Federal do Espírito Santo (UFES), Vitória
Leia maisUm Estudo sobre Diferente Tipos de Funções de Custo Para Redes Neurais Convolucionais
Um Estudo sobre Diferente Tipos de Funções de Custo Para Redes Neurais Convolucionais Roberto M. Pinheiro Pereira, Lucas Bezerra Maia, Thalles Alencar Silva, Alexandre César P. Pessoa, Geraldo Braz Junior
Leia maisRECONHECIMENTO DE CARACTERES EM IMAGENS COM RUÍDO
RECONHECIMENTO DE CARACTERES EM IMAGENS COM RUÍDO Fernanda Maria Sirlene Pio SUMARIO Introdução Trabalhos Relacionados Metodologia Experimentos Conclusão Referências 2 INTRODUÇÃO Reconhecimento de Padrões
Leia maisUma Abordagem Genética Para Redes Neurais Convolucionais
Uma Abordagem Genética Para Redes Neurais Convolucionais Roberto M. Pinheiro Pereira 1, Lucas Bezerra Maia 1, Polyana Bezerra Da Costa 1, Jordan Boaz Rodrigues 1, Geraldo Braz Junior 1 João D. S. De Almeida,
Leia mais2. Redes Neurais Artificiais
Computação Bioinspirada - 5955010-1 2. Redes Neurais Artificiais Prof. Renato Tinós Depto. de Computação e Matemática (FFCLRP/USP) 1 2.6. Deep Learning 2.6.1. O Problema da Extração de Características
Leia maisIntrodução a Visão Computacional. Prof. Dr. Geraldo Braz Junior DEINF - UFMA
Introdução a Visão Computacional Prof. Dr. Geraldo Braz Junior DEINF - UFMA O que é Visão Computacional? Você já viu? 2 O que se espera? Visão é sobre entender imagens Coloridas ou em tons de cinza Pequenas
Leia maisWorkshop de Inteligência Artificial e Redes Neurais
Workshop de Inteligência Artificial e Redes Neurais Matheus Facure Alves Sumário 1 Introdução 2 Aprendizado de Máquina Essencial 3 Deep Learning 4 Código 5 Considerações Finais Desmistificando Aprendizado
Leia maisPONTIFÍCIA UNIVERSIDADE CATÓLICA DE CAMPINAS PRÓ-REITORIA DE PESQUISA E PÓS-GRADUAÇÃO COORDENADORIA GERAL DE PESQUISA EDITAL PROPESQ/CGP Nº 002/17
EDITAL PROPESQ/CGP Nº 002/17 PROCESSO SELETIVO DE BOLSAS DE INICIAÇÃO EM DESENVOLVIMENTO TECNOLÓGICO E INOVAÇÃO PUC-CAMPINAS GRUPO ENGENHO A PONTIFÍCIA UNIVERSIDADE CATÓLICA DE CAMPINAS PUC-CAMPINAS, por
Leia maisJAI 6 - Deep Learning Teoria e Prática
JAI 6 - Deep Learning Teoria e Prática Esteban Clua e Cristina Nader Vasconcelos Universidade Federal Fluminense Fundamentos Computação baseada em modelos crisnv@ic.uff.br 2 Computação baseada em aprendizado
Leia maisJAI 6 - Deep Learning Teoria e Prática
JAI 6 - Deep Learning Teoria e Prática Esteban Clua e Cristina Nader Vasconcelos Universidade Federal Fluminense Introdução 1 Instituto de Computação - UFF NVIDIA Center of Excellence 2 Porque Deep Learning?
Leia maisINF011 - Seminários de Pesquisa II
INF011 - Seminários de Pesquisa II Doutorando: Erick Toshio Yamamoto Orientador: Prof. Dr. Ricardo Suyama Professor da Disciplina: Prof. Dr. João Henrique Kleinschmidt Santo André, 02 de maio de 2018 Agenda
Leia maisObject Tracking. Fernando Medeiros Dufour Ciência da Computação - UFPR Tópicos em Visão Computacional
Object Tracking Fernando Medeiros Dufour Ciência da Computação - UFPR Tópicos em Visão Computacional Índice 1. Introdução a. Problema b. Aplicações c. Dificuldades d. Datasets 2. Redes Neurais Convolucionais
Leia maisCUDA: Compute Unified Device Architecture. Marco Antonio Simões Teixeira
CUDA: Compute Unified Device Architecture Marco Antonio Simões Teixeira Sumário Introdução; CUDA: História; CUDA: programando; CUDA e deep learning; Links úteis; Considerações finais. 2 INTRODUÇÃO 3 O
Leia maisRedes Neurais Convolucionais Aplicadas à Preensão Robótica
Redes Neurais Convolucionais Aplicadas à Preensão Robótica Renata Oliveira, Errison Alves e Carlos Malqui DEE - Pontifícia Universidade Católica do Rio de Janeiro (PUC-Rio), RJ, Brasil renata.garcia.eng@gmail.com
Leia maisReconhecimento de Gestos
Reconhecimento de Gestos Henrique Augusto Richter Tópicos em Visão Computacional Universidade Federal do Paraná Sumário Introdução Utilização Problemas Trabalhos Artigo 1 Artigo 2 Project Soli Introdução
Leia maisUm comparativo entre arquiteturas de redes neurais profundas aplicadas no reconhecimento de imagens
Um comparativo entre arquiteturas de redes neurais profundas aplicadas no reconhecimento de imagens Leandro R. L. Pavão, Tatiana F. M. dos Santos, Carlos O. Rolim Universidade Regional Integrada do Alto
Leia maisAI / ML / Deep Learning
Universidade Federal do Paraná (UFPR) Especialização em Engenharia Industrial 4.0 AI / ML / Deep Learning David Menotti www.inf.ufpr.br/menotti/am-18a Objetivos Deep Learning - Breakthroughs Histórico
Leia maisWhat is? Eduardo Viola Nicola Disciplina de IPPD
What is? Eduardo Viola Nicola evnicola@inf.ufpel.edu.br Disciplina de IPPD Sumário 1)Introdução 2)Princípio Geral de Funcionamento 3)Exemplos de Aplicações 4)Modelo de Programação 5)Linguagens Suportadas
Leia maisClassificação de Objetos em Contexto Real por Redes Neurais Convolutivas
Luís Marcelo Vital Abreu Fonseca Classificação de Objetos em Contexto Real por Redes Neurais Convolutivas Dissertação de Mestrado Dissertação apresentada como requisito parcial para obtenção do grau de
Leia maisAlgarve. A2 Aprendizagem Automática ML Machine Learning 7/15/2013
Preparado para o curso de pós-graduação em Ciências da Computação da Universidade Federal do Ceará, Fortaleza, Brasil A2 Aprendizagem Automática ML Machine Learning Julho e Agosto de 2013 José Valente
Leia maisRedes Neurais Convolucionais de Profundidade para Reconhecimento de Textos em Imagens de CAPTCHA
Redes Neurais Convolucionais de Profundidade para Reconhecimento de Textos em Imagens de CAPTCHA Vitor Arins Pinto 1 1 Departamento de Informática e Estatística - Universidade Federal de Santa Catarina
Leia maisComputação paralela. Nielsen Castelo Damasceno
Computação paralela Nielsen Castelo Damasceno Introdução. Motivação. Como é utilizado. Fundamentos. Programação paralela. Open MP. MPI GPU (Cuda). Aplicação prática. Considerações Finais Referências. Agenda
Leia maisRedes Neurais Convolucionais com Tensorflow: Teoria e Prática
III Escola Regional de Informática do Piauí. Livro Anais - Artigos e Minicursos, v. 1, n. 1, p. 382-406, jun, 2017. www.eripi.com.br/2017 - ISBN: 978-85-7669-395-6 Capítulo 7 Redes Neurais Convolucionais
Leia maisBrilliant Solutions for a Safe World
IDENTIFICAÇÃO DE FACE E RASTREAMENTO DE MOVIMENTO PARA SISTEMAS DE GERENCIAMENTO DE VÍDEO (VMS) SentiVeillance Server é um software de identificação biométrica de faces e rastreamento de movimento pronto
Leia maisNVIDIA anuncia série GeForce 800M para notebooks
DINO - Divulgador de Notícias NVIDIA anuncia série GeForce 800M para notebooks A nova linha completa de GPUs, além de mais rápida, tem maior eficiência energética do que a geração anterior. Quem ganha
Leia maisDesafios que a IA Enfrenta
Desafios que a IA Enfrenta Helder Coelho BioISI, Mind-Brain College, Ulisboa IST, Edifício 7, Novembro 17, 2017 1 Science journal, July 7, 2017 (IA atrás do processo de descoberta) Saude Saúde, Meteorologia,
Leia maisANÁLISE DE IMAGENS COM DEEP LEARNING MATHEUS VIANA IBM RESEARCH BRASIL
ANÁLISE DE IMAGENS COM DEEP LEARNING MATHEUS VIANA IBM RESEARCH BRASIL IBM RESEARCH NO MUNDO IBM RESEARCH NO MUNDO CIÊNCIA DO COMPORTAMENTO CIÊNCIA DOS MATERIAIS QUÍMICA MATEMÁTICA CIÊNCIA DA COMPUTAÇÃO
Leia maisEstamos prontos para entregar software inteligente?
Estamos prontos para entregar software inteligente? Tiago Moura thvmoura CTO da Hop Mestre em Ciência da Computação IBM Lifetime Champion Fã de futebol e MMORPG Quem somos? Engenharia de software até agora...
Leia maisTécnicas de Inteligência Artificial
Universidade do Sul de Santa Catarina Ciência da Computação Técnicas de Inteligência Artificial Aula 01 Introdução, motivação e áreas de aplicação Prof. Max Pereira Neurônio de McCulloch-Pitts Warren
Leia maisTécnicas de Processamento Paralelo na Geração do Fractal de Mandelbrot
Técnicas de Processamento Paralelo na Geração do Fractal de Mandelbrot Bruno Pereira dos Santos Dany Sanchez Dominguez Esbel Tomás Evalero Orellana Universidade Estadual de Santa Cruz Roteiro Breve introdução
Leia maisReconhecimento de ações humanas em vídeos por meio de transferência de aprendizado
https://eventos.utfpr.edu.br//sicite/sicite2017/index Reconhecimento de ações humanas em vídeos por meio de transferência de aprendizado Lucas Messias Valério lucasvalerio@alunos.utfpr.edu.br Universidade
Leia maisFabrício Jailson Barth BandTec
Introdução à Inteligência Artificial Fabrício Jailson Barth fabricio.barth@bandtec.com.br BandTec 1 o semestre de 2012 Objetivos e Sumário O que é Inteligência Artificial (IA)? Objetivos da IA. Influência
Leia maisFrustum Culling Híbrido Utilizando CPU e GPU. Aluno: Eduardo Telles Carlos Orientador: Alberto Raposo Co-Orientador: Marcelo Gattass
Frustum Culling Híbrido Utilizando CPU e GPU Aluno: Eduardo Telles Carlos Orientador: Alberto Raposo Co-Orientador: Marcelo Gattass Agenda Objetivos Motivação Algoritmos de visibilidade Frustum Culling
Leia maisUNIVERSIDADE DE SÃO PAULO ESCOLA DE ENGENHARIA DE SÃO CARLOS FABIO AUGUSTO GONÇALVES FACCINI
UNIVERSIDADE DE SÃO PAULO ESCOLA DE ENGENHARIA DE SÃO CARLOS FABIO AUGUSTO GONÇALVES FACCINI Avaliação de desempenho de uma rede neural convolucional para classificação de imagens ruidosas São Carlos 2018
Leia maisVeículos Robotizados: Sistemas Avançados de Assistência ao Motorista (ADAS) baseados em inteligência Artificial MSc.
Veículos Robotizados: Sistemas Avançados de Assistência ao Motorista (ADAS) baseados em inteligência Artificial MSc. Diego Renan Bruno USP - Instituto de Ciências Matemáticas e de Computação 1 Roteiro
Leia maisIntrodução à Informática. Aula 1
Introdução à Informática Aula 1 Site da disciplina sites.google.com/site/ifbagustavo/ Ementa Introdução ao HARDWARE; Conceitos e operacionais; utilização de sistemas Utilização de Processador de texto;
Leia maisIntrodução. Aula 1 Inteligência Artificial HDL
Aula 1 Inteligência Artificial (Definição) O que é Inteligência Artificial? Uma área de pesquisa que investiga formas de habilitar o computador a realizar tarefas nas quais, até o momento, o ser humano
Leia maisIntrodução à Computação
Slide 02 22/05/2017 Introdução à Computação Prof. Cleziel Franzoni da Costa @Cleziel 1 /Cleziel cleziel@hotmail.com cleziel.wordpress.com 42 3 Hardware x Software 4 Hardware x Software 5 Hardware Todo
Leia maisMCZA Processamento de Linguagem Natural Introdução
MCZA017-13 Processamento de Linguagem Natural Introdução Prof. Jesús P. Mena-Chalco jesus.mena@ufabc.edu.br 1Q-2018 1 Motivação Processamento de Linguagem Natural (PLN) tem relação com: atividades que
Leia maisUSO DE VISÃO COMPUTACIONAL PARA CONTAGEM AUTOMÁTICA DE CÉLULAS EM IMAGENS OBTIDAS POR MICROSCÓPIOS 1
USO DE VISÃO COMPUTACIONAL PARA CONTAGEM AUTOMÁTICA DE CÉLULAS EM IMAGENS OBTIDAS POR MICROSCÓPIOS 1 José Henrique Azevedo SECRETÁRIO 2 Graduando em Engenharia Eletrônica IFSP/Câmpus São Paulo Ricardo
Leia maisFundamentos de Informática Introdução aos Conceitos Básicos
Fundamentos de Informática Introdução aos Conceitos Básicos Professor: Luiz A. P. Neves neves@ufpr.br e lapneves@gmail.com 1 Roteiro Objetivos Conceitos Básicos Processamento de Dados Modalidade de Computadores
Leia maisAnálise de Desempenho e Paralelização de Algoritmos para Redes Neurais Profundas
Análise de Desempenho e Paralelização de Algoritmos para Redes Neurais Profundas Carlos A. T. Aguni, Alex E. Kawahira, Daniel Cordeiro 1 Escola de Artes Ciências e Humanidades Universidade de São Paulo
Leia maisINTRODUÇÃO À APRENDIZAGEM PROFUNDA. Eduardo Bezerra (CEFET/RJ)
INTRODUÇÃO À APRENDIZAGEM PROFUNDA Eduardo Bezerra (CEFET/RJ) ebezerra@cefet-rj.br Sobre mim 2 Professor do CEFET/RJ (Rio de Janeiro) desde 2005. Docente permanente no recém-criado Programa de Pós-Graduação
Leia maisRedes Neurais Artificiais
Redes Neurais Artificiais Fabrício Olivetti de França Universidade Federal do ABC Tópicos 1. Redes Neurais Biológicas 2. Neurônio Artificial 3. Rede Neural Artificial 4. Keras 1 Redes Neurais Biológicas
Leia maisINFORMÁTICA. Professor: Venicio Paulo Mourão Saldanha Site:
INFORMÁTICA Professor: Venicio Paulo Mourão Saldanha Site: www.veniciopaulo.com Graduado em Análises e Desenvolvimento de Sistemas Analista de Sistemas (Seplag) Instrutor(Egp-Ce) Professor(CEPEP) CONCEITOS
Leia maisTrilha Inteligência Artificial AI at the Edge Plataformas e Casos de Uso
Trilha Inteligência Artificial AI at the Edge Plataformas e Casos de Uso Fulvio Mascara Cientista-chefe @ Foursys Community Manager @ AI Brasil CARA Programo desde os 11 anos Gosto de cozinhar e viajar
Leia maisARQUITETURA DE COMPUTADORES
RCM00014 Haswell wafer ARQUITETURA DE COMPUTADORES Prof. Luciano Bertini Site: http://www.professores.uff.br/lbertini/ Objetivos do Curso Entendimento mais aprofundado do funcionamento
Leia maisInteligência Artificial
Inteligência Artificial Professor Rafael Stubs Parpinelli E-mail: rafael.parpinelli@udesc.br udesc.academia.edu/rafaelstubsparpinelli www.researchgate.net/profile/rafael_parpinelli www.joinville.udesc.br/portal/professores/parpinelli/
Leia maisSEMINÁRIO DOS ARTIGOS:
SEMINÁRIO DOS ARTIGOS: Text Detection and Character Recognition in Scene Images with Unsupervised Feature Learning End-to-End Text Recognition with Convolutional Neural Networks Fernanda Maria Sirlene
Leia maisAnálise de Links e Busca na Web
Análise de Links e Busca na Web Redes Sociais e Econômicas Prof. André Vignatti Análise de Links e Busca na Web Quando você digita UFPR no Google, o primeiro resultado é www.ufpr.br Como o Google sabe
Leia maisReconstrução 3D com auxílio de segmentações múltiplas
! Universidade Federal de Pernambuco Centro de Informática Graduação em Ciência da Computação Reconstrução 3D com auxílio de segmentações múltiplas Rafael Francisco Cavalcanti Campos Gouveia Proposta de
Leia maisInformática Parte 19 Prof. Márcio Hunecke
Escriturário Informática Parte 19 Prof. Márcio Hunecke Informática NOÇÕES DE ALGORITMOS DE APRENDIZADO O aprendizado automático, aprendizado de máquina (em inglês: "machine learning") ou aprendizagem
Leia maisProjetando interfaces inteligentes
Projetando interfaces inteligentes Machine learning como ferramenta de personalização #Webbr2017 Era 1. Por 2. Botando 3. Próximos 4. da informação que machine learning? em prática passos Isa Silveira
Leia maisGPU (Graphics Processing Unit) Bruno Padilha Gregory De Bonis Luciana Kayo
GPU (Graphics Processing Unit) Bruno Padilha - 5745282 Gregory De Bonis - 6431180 Luciana Kayo - 6430992 O que é? O que é? - Processador auxiliar responsável principalmente por operações de ponto flutuante
Leia maisde petróleo. Um novo domínio chamado computação de propósito geral em processadores gráficos (GPGPU) surgiu quando os pipelines de gráficos de
12 1 1.1. Motivações Dentre os tipos de técnicas de Inteligência Artificial existentes, as técnicas de Programação Genética (PG) continuam mudando rapidamente conforme os pesquisadores e profissionais
Leia maisESCOLA POLITÉCNICA PROGRAMA DE PÓS-GRADUAÇÃO EM CIÊNCIA DA COMPUTAÇÃO MESTRADO EM CIÊNCIA DA COMPUTAÇÃO LEANDRO PEREIRA DA SILVA
ESCOLA POLITÉCNICA PROGRAMA DE PÓS-GRADUAÇÃO EM CIÊNCIA DA COMPUTAÇÃO MESTRADO EM CIÊNCIA DA COMPUTAÇÃO LEANDRO PEREIRA DA SILVA LEANNET: UMA ARQUITETURA QUE UTILIZA O CONTEXTO DA CENA PARA MELHORAR O
Leia maisPredição de Utilização de Recursos Computacionais Usando Séries Temporais
Predição de Utilização de Recursos Computacionais Usando Séries Temporais Aluno: Paulo Roberto Pereira da Silva Orientador: Paulo Romero Martins Maciel Coorientador: Jean Carlos Teixeira de Araujo de Garanhuns
Leia maisTécnicas de Inteligência Artificial
Universidade do Sul de Santa Catarina Ciência da Computação Técnicas de Inteligência Artificial Aula 01 Introdução, motivação e áreas de aplicação Prof. Max Pereira O futuro, das máquinas inteligentes,
Leia maisOpenMP: Variáveis de Ambiente
Treinamento OpenMP C/C++ 1 TREINAMENTO OpenMP C/C++ Módulo 1 Computação de Alto Desempenho Módulo 2 OpenMP: Construtores Paralelos Módulo 3 OpenMP: Diretivas de sincronização Módulo 4 OpenMP: Funções de
Leia maisReconhecimento de Sinais de Trânsito Utilizando Deep Learning
Reconhecimento de Sinais de Trânsito Utilizando Deep Learning Marcos Vinícius Oliveira Sobrinho 1, Matheus Chaves Menezes 1, Chrystian Gustavo Martins Nascimento 1, Geraldo Braz Júnior 2 1 Curso de Ciência
Leia maisComputadores podem ser úteis em problemas que envolvem: Grande número de dados. Grande número de cálculos. Complexidade. Precisão.
O uso do computador Computadores podem ser úteis em problemas que envolvem: Grande número de dados. Grande número de cálculos. Complexidade. Precisão. Exemplos: Modelos meteorológicos. Cálculo estrutural.
Leia maisAULA 2. Prof.: Jadiel Mestre. Introdução à Informática. Introdução à Informática Componentes de um Sistema de Informação
AULA 2 Prof.: Jadiel Mestre. Componentes de um Sistema de Informação Os componentes de um sistema de informação são divididos em três partes 2 1 Componentes físicos do computador Dispositivos de Entrada/Saída
Leia maisUm pouco de história. SketchPad Tese de Doutorado de Ivan Sutherland (MIT) Conceito de comunicação com o computador
Um pouco de história 1 SketchPad - 1963 Tese de Doutorado de Ivan Sutherland (MIT) Conceito de comunicação com o computador http://www.youtube.com/watch?v=bkm3cmrqk2o 2 1 Tecnologia de input 1963 Mouse
Leia maisSistemas Distribuídos
Sistemas Distribuídos Classificação de Flynn Fonte: Professoras. Sarita UFRJ e Thais V. Batista - UFRN Arquiteturas Paralelas Computação Paralela Conceitos Permite a execução das tarefas em menor tempo,
Leia maisCURSO TÉCNICO EM MANUTENÇÃO E SUPORTE EM INFORMÁTICA - 2º P Manutenção e Suporte de Hardware I
CURSO TÉCNICO EM MANUTENÇÃO E SUPORTE EM INFORMÁTICA - 2º P Manutenção e Suporte de Hardware I Professor: Orlando Filho Graduação: Sistemas de Informação professor@orlandofilho.com Placa de Vídeo (VGA)
Leia maisNota 1: Baixei Tiny-DNN em 28/7/2017 a última versão. https://github.com/tiny-dnn/tiny-dnn
Rede neural convolutional (convolutional deep learning) Nesta apostila, vamos estudar rede neural convolucional, usando o material disponível no livro (disponibilizado gratuitamente pelo autor): http://neuralnetworksanddeeplearning.com/
Leia maisObject Detection. Eng Vinícius Araújo Santos
Object Detection Eng Vinícius Araújo Santos Object Detection Simple Detection vs. Object Detection Aplicações de Object Detection Aplicações de Object Detection Object Segmentation Desafios em Object Detection
Leia maisTecnologias da Informação Motivações e Avanços
Tecnologias da Informação Motivações e Avanços Aula #1.2. EBS 211 POO e UML Prof. Luiz Fernando S. Coletta luizfsc@tupa.unesp.br Campus de Tupã Roteiro Dados x Informação; Computadores, Processamento de
Leia maisREADING DIGITS IN NATURAL IMAGES WITH UNSUPERVISED FEATURE LEARNING
READING DIGITS IN NATURAL IMAGES WITH UNSUPERVISED FEATURE LEARNING Fernanda Maria Sirlene READING DIGITS IN NATURAL IMAGES WITH UNSUPERVISED FEATURE LEARNING NIPS Workshop on Deep Learning and Unsupervised
Leia maisConceitos sobre Computadores
Conceitos sobre Computadores Prof. UNESP - São José do Rio Preto Linguagem Computacional Neste tópico veremos: Os Componentes físicos dos computadores O hardware: principais partes dos computadores atuais.
Leia maisIntrodução a Ciência de Dados Com Linguagem R
Introdução a Ciência de Dados Com Linguagem R Luis Paulo da Silva Carvalho luispscarvalho@gmail.com Adaptado de Material disponibilizado no SlideShare por Diego Cardoso Alves diegocardalves@gmail.com https://pt.slideshare.net/cardoso80/palestra-cincia-de-dados
Leia maisAI para Empresas. São Paulo. Alexandre Dietrich Watson AI & Data Executive. Think São Paulo / Watson AI / June 06, 2018 / 2018 IBM Corporation
AI para Empresas Alexandre Dietrich Watson AI & Data Executive São Paulo Think São Paulo / Watson AI / June 06, 2018 / 2018 IBM Corporation Forças resultantes de uma transformação digital Indivíduos com
Leia maisAprendizagem de Máquina
Plano da Apresentação Aprendizagem de Máquina Alessandro L. Koerich 2007 Mestrado e Doutorado em Informática Pontifícia Universidade Católica do Paraná (PUCPR) Professor & Experiência Acadêmica Horários
Leia maisO estado de arte: a evolução de computação de alto desempenho
O estado de arte: a evolução de computação de alto desempenho 2009 Evolução da Computação O Mark I tinha ciclo de 0,3 segundos; o ENIAC 200 micro-segundos Processador hoje: vários GHz - menos de um nanosegundo
Leia maisAprendizado de Máquina
Aprendizado de Máquina Principais tópicos Aprendizado profundo André C P L F de Carvalho Posdoutorando: Isvani Frias-Blanco ICMC-USP Introdução Redes profundas Aprendizado profundo Redes autodecodificadoras
Leia maisOrientação a Objetos e UML
Orientação a Objetos e UML Aula #3.1. EBS 211 POO e UML Prof. Luiz Fernando S. Coletta luizfsc@tupa.unesp.br Campus de Tupã Orientação a Objetos e UML A crise do software (1970) 2 Orientação a Objetos
Leia maisDESENVOLVIMENTO DE UM ALGORITMO PARALELO PARA APLICAÇÃO EM CLUSTER DE COMPUTADORES
DESENVOLVIMENTO DE UM ALGORITMO PARALELO PARA APLICAÇÃO EM CLUSTER DE COMPUTADORES João Ricardo Kohler Abramoski (PAIC/FUNDAÇÃO ARAUCÁRIA), Sandra Mara Guse Scós Venske (Orientadora), e-mail: ssvenske@unicentro.br
Leia maisMotivação para o estudo de IA
Motivação para o estudo de IA Aula #3.1 EBS 564 IA Prof. Luiz Fernando S. Coletta luizfsc@tupa.unesp.br Campus de Tupã Motivação para o estudo de IA + Biossistema Engenharia Projeto e desenvolvimento de
Leia maisRedes Neurais Arti-iciais - Introdução. Visão Computacional Prof. Geraldo Braz Junior
Redes Neurais Arti-iciais - Introdução Visão Computacional Prof. Geraldo Braz Junior Inspiração 2 Inspiração 3 Inspiração A=vidade sele=va nas conexões Soma os impulsos e passa a diante 4 Inspiração As
Leia maisDETECÇÃO AUTOMÁTICA DE UVAS E FOLHAS EM VITICULTURA COM UMA REDE NEURAL YOLOv2 Nº 18601
DETECÇÃO AUTOMÁTICA DE UVAS E FOLHAS EM VITICULTURA COM UMA REDE NEURAL YOLOv2 Andreza Aparecida dos Santos¹; Sandra Avila 2 ; Thiago Teixeira Santos ³ Nº 18601 RESUMO Neste trabalho, o problema de detecção
Leia maisProfessor: Laboratório de Programação com Games. Anselmo Montenegro Conteúdo: - Introdução. Instituto de Computação - UFF
Laboratório de Programação com Games Professor: Anselmo Montenegro www.ic.uff.br/~anselmo Conteúdo: - Introdução 1 Objetivo do curso Desenvolver habilidades de programação através da construção de vídeo
Leia mais1. Conceitos Básicos de Computação
Introdução à Computação I IBM1006 1. Conceitos Básicos de Computação Prof. Renato Tinós Local: Depto. de Computação e Matemática (FFCLRP/USP) 1 Principais Tópicos 1.Conceitos Básicos de Computação 1.1.
Leia maisArquiteturas paralelas Parte 1
Arquiteturas paralelas Parte 1 Processamento Paralelo Prof. Oberlan Romão Departamento de Computação e Eletrônica DCEL Centro Universitário Norte do Espírito Santo CEUNES Universidade Federal do Espírito
Leia maisInformática I. Aula /09/2006 1
Informática I Aula 3 http://www.ic.uff.br/~bianca/informatica1/ 06/09/2006 1 Ementa Histórico dos Computadores Noções de Hardware e Software Microprocessadores Sistemas Numéricos e Representação de Dados
Leia maisInformática. Aprendizado de Máquina. Professor Márcio Hunecke.
Informática Aprendizado de Máquina Professor Márcio Hunecke www.acasadoconcurseiro.com.br Informática Aula XX NOÇÕES DE ALGORITMOS DE APRENDIZADO O aprendizado automático, aprendizado de máquina (em inglês:
Leia maisdetecção de voz cantada em sinais de áudio polifônicos
detecção de voz cantada em sinais de áudio polifônicos Aplicações, Abordagens e Desafios Shayenne Moura 23. April 2018 Instituto de Matemática e Estatística Universidade de São Paulo o problema Detecção
Leia mais