ÁREA: Visão Computacional
ÁREAS CORRELATAS: INTELIGÊNCIA ARTIFICIAL, RECONHECIMENTO DE PADRÕES DE IMAGENS, DATA MINING, COMPUTAÇÃO GRÁFICA, REDES COMPLEXAS
DEPARTAMENTO DE CIÊNCIA DA COMPUTAÇÃO E PÓS-GRADUAÇÃO STRICTU SENSU DO DEPARTAMENTO DE ENGENHARIA ELÉTRICA DA FEI
REQUISITOS BÁSICOS: Ser regularmente matriculado nos cursos de Ciência da Computação ou Engenharia Elétrica da FEI; Ter nota mínima 7.0 no curso; Nunca ter tido nenhuma DP.
REQUISITOS GERAIS: Ter interesse em pesquisa em uma das áreas citadas acima; Ter pelo menos 20 horas semanais para dedicar ao projeto, sendo que deve ter disponibilidade para distribuir essas horas durante a semana, incluindo possíveis mudanças de horários, de acordo com as necessidades do projeto;
Ter interesse em linguagens de programação; Ter aptidão para trabalhar em equipe; Gostar de literatura técnica e Geral; Gostar de Matemática, Programação e Inglês; Gostar de escrever;
COMO PARTICIPAR: A qualquer momento, agendar uma entrevista por e-mail (psergio@fei.edu.br) com o Prof. Paulo Sérgio Rodrigues
Título: Análise Automática de Imagens Naturais
Resumo: Segmentação Automática de Imagens é o processo de separar uma cena em suas partes constituintes. A Figura 1 (lado esquerdo) a seguir é um exemplo de uma cena natural, tirada por uma camêra comum, e a Figura 1 (lado direito) é um exemplo de sua segmentação com um algoritmo baseado em Visão Computacional.
Figura 1: (lado esquerdo) exemplo de uma cena natural; (lado direito): exemplo de um processo automático de segmentação.
A segmentação automática de imagens é uma área de pesquisa com várias aplicações praticas. Por ser um processo que geralmente acontece no início dos sistemas de visão, tem um impacto em todas as demais etapas posteriores. Uma falha no módulo de segmentação pode se propagar em "efeito dominó" para muito além das etapas iniciais.
a) Navegação Robótica: esta aplicação visa a instalação de câmeras em robôs autônomos que se locomovem a partir da interpretação de sinais que podem ir além da visão de máquina. Um exemplo conhecido é o robô Spirit, utilizado pela NASA para explorar a superfície do Planeta Marte (Figura 2).
b) Robótica Colaborativa: neste tipo de aplicação, a navegação de robô deve ser,além de autônoma, relacional, considerando um grupo de robôs que devem colaborar e tomar decisões com objetivos comuns (Figura 3) ou metas de grupos, como é o caso de futebol de robôs (Figura 4).
Figura 3: Robótica colaborativa, utilizada em aplicações que requerem intercâmbio entre indivíduos robóticos.
Figura 4: Futebol de Robôs é um exemplo de colaboração para atingir metas de grupos (ou equipes).
c) Recuperação de Informação Visual. Também chamada de Recuperação de Imagem com Base no Conteúdo (RIBC), é uma das aplicações mais antigas, ambiciosas e desafiadoras da área de Visão Computacional, por lidar com a interpretação de cenas naturais. Seu objetivo é amplo, pois vai desde a recuperação de imagens na web (as chamadas Máquinas de Busca) até a classificação de banco de dados de imagens ou vídeos.
Figura 5: Interface de uma Máquina de Busca de Imagens com base no conteúdo visual de informação.
d) Análise de Imagens Médicas. Esta é uma área de maior demanda em Visão Computacional, podendo gerar aplicações para diagnóstico automático (Figura 6) ou reconstrução e visualização de superfícies doentes (Figura 7).
Figura 6: Interface para Análise Automática de Imagens Médicas.
Figura 7: Interface para Reconstrução de Próteses Craniofaciais
e) Análise de Caracteres. Aqui trata-se de uma aplicação que envolve o reconhecimento de placas e escrita humana.
Figura 8: Reconhecimento de Placas
f) Reconhecimento Facial. Este tipo de aplicação visa a detecção de rostos humanos, não somente para o entretenimento e segurança, mas também objetivando encontrar pessoas desaparecidas.
Figura 9: Exemplo de Reconhecimento facial a partir da segmentação de imagens. Inicialmente, são definidas áreas candidatas com um processo de segmentação; depois, as regiões-alvo são classificadas como sendo um rosto.
g) Rastreamento (Tracking) de Pessoas: Trata-se de uma área já estudada há bastante tempo, mas que ainda demanda muito trabalho de pesquisa. A Figura 10 mostra um exemplo de rastreamento de várias pessoas ao mesmo tempo, em ambiente de fundo heretogêneo e aberto. Nesse caso, tanto as regiões a serem rastreadas quanto o ambiente em que se encontram movem-se no tempo, o que aumenta o grau de complexidade da aplicação. Entre as demandas estão: segurança, contagem de pedestres, localização de pessoas e atividades, entre muitas outras.
Figura 10: Tracking de várias pessoas em ambiente aberto.
Por que fazer Iniciação Científica?
Existe um mito no meio acadêmico que diz: "se você não fizer estágio em uma empresa durante a sua graduação, as chances no mercado de trabalho diminuirão muito".
Na minha opinião, é claro que um estágio bem feito em uma empresa séria (não necessariamente grande), tanto pode agregar valor à sua experiência profissional quanto pode abrir as portas para trabalhar na própria empresa onde estagiou. Acreditando linearmente nessa ideia, muitos alunos lançam-se na busca por um estágio, seja ele qual for, desde o primeiro semestre da faculdade; pois ganhar dinheiro no mercado que envolve a sua futura área profissional, além da chance de ganhar experiência com quem trilhou a mesma estrada, reforça o sonho de muitos dos estagiários de primeira viajem. Mas ... a realidade pode ser outra, e essa tentativa de se tornar um profissional precoce pode ser desastrosa ou atrapalhar a carreira a longo prazo.
Um aluno recém chegado a um curso de faculdade deve ter cautela para decidir a hora de começar a estagiar. A idade em que geralmente se encontram, perto dos 20 anos, pede, antes de mais nada, acúmulo de conhecimento teórico, o que só pode ser conseguido com muitas horas de dedicação aos estudos e à formação de uma base sólida sobre a qual se assentará o futuro profissional.
Nesse contexto, um estágio de Iniciação Científica pode ser o melhor caminho inicial para a construção desse alicerce antes de se lançar na busca por uma posição no mercado de trabalho. Ao contrário do que muitos pensam, um estágio de Iniciação Científica, se levado à serio e bem construído, pode significar até mesmo o menor caminho entre um diploma e uma contratação por uma grande empresa.
Lembremos que, pelo menos na realidade brasileira, setores de pesquisa, com raras exceções, são práticas exclusivas de grandes empresas. Não é raro ouvirmos histórias de formandos reclamando que passaram todo o curso trabalhando em uma empresa, como estagiário, em funções que não tinham nada a ver com o curso no qual estavam se formando, ao invés de terem dedicado mais ao curso. Isso gera uma ponta de frustração.
Ao contrário, um estágio de Iniciação Científica pode oferecer, entre muitos outros benefícios: o desafio de um problema inovador e de ponta; contato com profissionais com vasto e reconhecido currículo; contato com outros colegas de Iniciação Científica de todas as regiões do Brasil e consequente troca de experiência, financiamento dos estudos e um envolvimento maior com o ambiente acadêmico, que vai além da sala de aula para atingir os laboratórios, salas de estudos e outras infra-estruturas oferecidas pela instituição. Além disso, um estágio de Iniciação Científica bem feito pode abrir as portas para futuros cursos após a conclusão da graduação, tais como: Mestrado, Doutorado e Pós-Doutorado, financiados por boas agências de fomento científico. Vale lembrar que, atualmente, alunos que possuem Iniciação Científica durante a graduação têm sido indicados para o Projeto Ciência sem Fronteiras.
Fica então o convite para conversar com um orientador na FEI. Pode-se procurar esse tipo de estágio na própria página da FEI. No entanto, aconselho enviar um e-mail para qualquer professor que tenha uma linha de pesquisa. E para aqueles que quiserem conversar mais sobre Visão Computacional, é só entrar em contato comigo.
Prof. Dr. Paulo S. Rodrigues
Grupo de Processamento de Sinais
Centro Universitário da FEI
São Bernardo do Campo, SP
Nenhum comentário:
Postar um comentário