ARDOP
Este projeto visa melhorar a observação das pessoas através de abordagens robustas e discriminativas para minimizar imprecisões e abordar tarefas avançadas como o reconhecimento de atividades. Isso permite o desenvolvimento de aplicativos automáticos de monitoramento de ambiente.
DeepEyes
O DeepEyes tem como objetivo desenvolver soluções algorítmicas de computação visual e inteligência de máquina para problemas relacionados à computação forense, segurança digital e vigilância eletrônica.
DET
O DET propõe o desenvolvimento de métodos para detecção de pedestres com o objetivo de reduzir o custo computacional e manter a precisão obtida por detectores que obtêm bons resultados mas possuem um custo computacional elevado.
GigaFrames
O principal objetivo do GigaFrames é implementar e consolidar um núcleo emergente caracterizado pela criação de uma linha de pesquisa denominada Vigilância e Computação Forense.
HAR-HEALTH
O objetivo do projeto Har-Health é a pesquisa e desenvolvimento de métodos e algoritmos capazes de reconhecer automaticamente atividades humanas relacionadas a doenças crônicas (diabetes, hipertensão, obesidade e envelhecimento) com base em informações visuais, sinais captados por sensores em dispositivos móveis pessoais e sinais captados por sensores instalados nos ambientes.
HITSENSE
Investigação e desenvolvimento de soluções no âmbito da análise de sensores com o objetivo de incorporar métodos automáticos de processamento de dados sensoriais recolhidos por rastreadores instalados em veículos motorizados.
Keymaker
O projeto aborda a pesquisa de novos algoritmos de reconhecimento de atividades humanas extraindo informações como a importância dos objetos na realização da atividade, entendendo a interação dos indivíduos com os objetos presentes na cena.
Making Sense
Um dos principais objetivos do monitoramento ambiental automático é extrair informações sobre atividades realizadas por humanos, a fim de detectar interações entre agentes e identificar padrões de comportamento suspeitos. Para que as atividades sejam analisadas, é necessário resolver um conjunto de problemas, como detecção e identificação de agentes no local, rastreamento ao longo do tempo, possivelmente entre diferentes câmeras, reconhecimento de ações individuais.
Review de literatura sobre aprendizagem profunda para segmentação de imagens sísmicas
Esta review teve como objetivo apresentar uma revisão das abordagens de Deep Learning para segmentação de dados sísmicos através de uma revisão abrangente e reprodutível da literatura, identificando e analisando diferentes abordagens, arquiteturas e metodologias utilizadas neste campo.
Review sistemático de aprendizagem profunda para interpretação geológica estrutural
Este artigo revisa de forma abrangente as técnicas, modelos e práticas atuais na interpretação de volumes sísmicos baseados em DL com base em três diferentes tarefas de interpretação estrutural: interpretação de falhas, estimativa de horizonte e estimativa de tempo geológico relativo (RGT), três pilares complementares da estrutura geológica.
SmartView
Com o objetivo de auxiliar no monitoramento e, consequentemente, na segurança dos torcedores presentes nas competições esportivas, este projeto visa empregar técnicas de visão computacional para automatizar a resolução dos problemas acima, a fim de fornecer informações relevantes aos responsáveis pelo monitoramento dos torcedores nas competições esportivas.
SMS
Este projeto tem dois objetivos. i) o estudo, desenvolvimento e avaliação de algoritmos a serem incorporados ao protótipo de sistema de vigilância capaz de analisar vídeo automaticamente e ii) criação, desenvolvimento, implementação e validação experimental de protótipo de sistema de vigilância inteligente capaz de monitorar trabalhadores em regiões de exploração de petróleo plataforma usando dados visuais.
Subproject 37
Avaliação e monitoramento da morbimortalidade em municípios afetados pelo rompimento da Barragem I da Mina “Córrego do Feijão”
V+
Neste projeto, dados visuais capturados por câmeras de monitoramento ambiental serão utilizados como entrada para módulos de análise (soluções baseadas em visão computacional e aprendizado de máquina a serem desenvolvidas). Todas as soluções serão implementadas em dispositivos embarcados com pouco poder computacional e, portanto, necessitando de pesquisas voltadas à compressão de modelos profundos.
VER+
Este projeto centra-se na resolução de problemas relacionados com a vigilância visual em grande escala, onde os dados são adquiridos a partir de múltiplas câmaras de vigilância.