Departamento de Ciências de Computação

Moacir Antonelli Ponti

Data Science Expert no Mercado Livre, e Professor Associado 3 em tempo parcial no Instituto de Ciências Matemáticas e de Computação da Universidade de São Paulo (ICMC/USP). É Livre-Docente pela mesma instituição. Atuou como pesquisador visitante no Centre for Vision, Speech and Signal Processing (CVSSP), Universidade de Surrey em 2016-2017. Recebeu o Google Latin America Research Award em 2017. Co-autor do livro Machine Learning (2018, 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..

  • http://lattes.cnpq.br/5041497500746910 (16012023)
  • Rótulo/Grupo:
  • Bolsa CNPq:
  • Período de análise:
  • Endereço: Universidade de São Paulo. Departamento de Ciências da Computação. Instituto de Ciências Matemáticas e de Computação. Avenida Trabalhador Sancarlense 400 CEP 13566590 - São Carlos, SP - Brasil
  • Grande área: [sem-grandeArea]
  • Área: [sem-area]
  • 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. 2003-2003. Algoritmos para Reconstrução Tomográfica: otimização, reconstrução, quantificação e aplicação clínica
      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.
      Membro: Moacir Antonelli Ponti.
    2. 2014-2014. Tecnologias Assistivas para Moradia e Independência no Envelhecimento
      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.
      Membro: Moacir Antonelli Ponti.
    3. 2016-2016. Ferramenta de monitoramento de níveis de fragilidade em idosos atendidos na atenção básica de saúde: avaliação da sua efetividade e eficiência
      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.
      Membro: Moacir Antonelli Ponti.
    4. 2011-2011. Sistema de múltiplos classificadores em problemas de desbalanceamento de classes e grandes conjuntos de dados
      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.
      Membro: Moacir Antonelli Ponti.
    5. 2012-2012. Desafios em Visualização Exploratória de Dados Multidimensionais: Novos Paradigmas, Escalabilidade e Aplicações
      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.
      Membro: Moacir Antonelli Ponti.
      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.
      Membro: João do Espirito Santo Batista Neto.
      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
      Membro: Fernando Vieira Paulovich.
      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 metaforas 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 geometricas 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 tecnologica.
      Membro: Alneu de Andrade Lopes.
    6. 2014-2014. Projeto Rondon - Operação Guararapes ICMC
      Participação como coordenador do Projeto Rondon - Operação Guararapes com a equipe da USP/ICMC Conjunto B: Comunicação, Tecnologia e Produção, Meio Ambiente e Trabalho.
      Membro: Moacir Antonelli Ponti.
    7. 2017-2017. Aprendizado de características na recuperação de imagens baseada em rascunhos e no sensoriamento remoto de baixa altitude
      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.
      Membro: Moacir Antonelli Ponti.
    8. 2019-2019. Pint of Science São Carlos
      Festival de divulgação científica que leva os pesquisadores a compartilharem seus conhecimentos e experiências diretamente com o público em espaços fora das universidades, em particular ambientes descontraídos como restaurantes e bares. Durante o festival, os pesquisadores conversam diretamente com o público e respondem perguntas. Não há formalidades como inscrição ou emissão de certificados. O Pint of Science contribui para evidenciar como as ciências básicas e as aplicadas podem contribuir para aprimorar a qualidade de vida da sociedade e para a construção de uma sociedade melhor.
      Membro: Moacir Antonelli Ponti.
    9. 2017-2017. Aprendizado de características em sinais, imagens e vídeos com aplicações
      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.
      Membro: Moacir Antonelli Ponti.
    10. 2013-2013. Codifique
      Codifique é um projeto desenvolvido no contexto do grupo PET-Computação que visa oferecer um curso semestral de programação básica voltado para alunos do ensino médio que desejam conhecer um pouco mais sobre a computação. Durante o curso também são abordados assuntos referentes à lógica e resolução de problemas, conhecimentos que podem facilmente ser aplicados no dia-a-dia. O objetivo é divulgar a carreira de computação e oferecer conhecimentos na área que possam contribuir com a formação do aluno ou ainda estimulá-los a ingressar na carreira, atraindo possíveis talentos para os cursos das áreas de exatas e tecnologia oferecidos pelo ICMC/USP. Semestralmente, diversos alunos que finalizaram o curso demonstraram maior desejo de se inscrever em cursos da área. Observamos que participantes do Codifique efetivamente se tornaram alunos de graduação em cursos relacionados nos anos de 2014, 2015 e 2016. http://cursocodifique.weebly.com/ OBS: minha atuação no projeto Codifique se refere aos oferecimentos nos anos de 2013, 2014 e 2015.
      Membro: Moacir Antonelli Ponti.

Prêmios e títulos

  • Total de prêmios e títulos (1)
    1. Top-2% cientista mais influente no Updated science-wide author databases of standardized citation indicators. Elsevier BV, Stanford University. 2021.
      Membro: Moacir Antonelli Ponti.

Participação em eventos

  • Total de participação em eventos (19)
    1. Compact color features with bitwise quantization and reduced resolution for mobile processing. IEEE Global Conference on Signal and Information Processing (GlobalSIP)
    2. Partially Supervised Anomaly Detection Using Convex Hulls on a 2D Parameter Space. 2nd IAPR International Workshop on Partially Supervised Learning
    3. Hand-Raising Gesture Detection with Lienhart-Maydt Method in Videoconference and Distance Learning. 18th Iberoamerican Congress on Pattern Recognition
    4. One-class to Multi-class Model Update using the Class-Incremental Optimum-Path Forest Classifier. 22nd European Conference on Artificial Intelligence (ECAI)
    5. Optical-Flow Features Empirical Mode Decomposition for Motion Anomaly Detection. IEEE International Conference on Acoustics, Speech and Signal Processing (ICASSP)
    6. Unsupervised representation learning using convolutional and stacked auto-encoders: a domain and cross-domain feature space analysis. SIBGRAPI - 31st Conference on Graphics, Patterns and Images (SIBGRAPI 2018)
    7. Combining Classifiers: from the creation of ensembles to the decision fusion. XXIV SIBGRAPI - Conference on Graphics, Patterns and Images
    8. Does Background Intensity Estimation Influence the Iterative Restoration of Microscope Images. XXIII SIBGRAPI - Conference on Graphics, Patterns and Images
    9. Improving accuracy and speed of Optimum-Path Forest classifier using combination of disjoint training subsets. 10th International Workshop on Multiple Classifier Systems (MCS 2011)
    10. Everything you wanted to know about Deep Learning for Computer Vision but were afraid to ask. 2017 30th SIBGRAPI Conference on Graphics, Patterns and Images Tutorials (SIBGRAPIT)
    11. Relevance Image Sampling from Collection Using Importance Selection on Randomized Optimum-Path Trees. 2017 Brazilian Conference on Intelligent Systems (BRACIS)
    12. Combinação de Classificadores Para Reconhecimento de Padrões em Imagens Tomográficas. II Congresso de Pós Graduação da UFSCar
    13. Deconvolution of 3D Fluorescence Microscopy Images by Combining the Filtered Gerchberg-Papoulis and Richardson-Lucy Algorithm. IV Workshop de Visao Computacional
    14. Neural-Network Combination for Noisy Data Classification. II Workshop de Visão Computacional
    15. Improving Restoration of Microscopy Images using Iterative Prototypes and a Sequence of Support Constraints. International Conference on Image Processing (ICIP)
    16. Color description of low resolution images using fast bitwise quantization and border-interior classification. 40th International Conference on Acoustics, Speech and Signal Processing (ICASSP)
    17. Ensembles of Optimum-Path Forest Classifiers Using Input Data Manipulation and Undersampling. 11th International Workshop on Multiple Classifier Systems
    18. Segmentação de imagens tridimensionais de microscopia por classificação não-supervisionada e por limiar melhorada por restauração , V Workshop de Visão Computacional. V Workshop de Visão Computacional
    19. A Markov Random Field Model for Combining Optimum-Path Forest Classifiers using Decision Graphs and Game Strategy Approach. 16th Iberoamerican Congress on Pattern Recognition (CIARP 2011)

Organização de eventos

  • Total de organização de eventos (10)
    1. . 1a. Semana de Informática da Faculdade de Sistemas de Informação de São Sebastião do Paraíso. Fundação Educacional Comunitária de São Sebastião do Paraíso. 2006. Organizacao
    2. . Semana Acadêmica do Curso de Sistemas de Informação (SACSIS). Universidade Federal de Viçosa. 2009. Organizacao
    3. . I Encontro de Pesquisa e Extensão do Campus de Rio Paranaíba. Universidade Federal de Viçosa. 2009. Organizacao
    4. . 17.a Semana da Computação - ICMC/USP. Instituto de Ciências Matemáticas e de Computação - ICMC/USP. 2014. Nao_informado
    5. . 18.a Semana da Computação - ICMC/USP. ICMC/USP. 2015. Nao_informado
    6. . XVI Encontro dos Grupos PET da Região Sudeste (SudestePET). Universidade de São Paulo. 2016. Organizacao
    7. . Pint of Science São Carlos. . 2019. Organizacao
    8. . Symposium on Knowledge Discovery, Mining and Learning (KDMiLe). Universidade Federal do Rio Grande (FURG). 2020. Organizacao
    9. . Pint of Science São Carlos. ICMC / USP. 2020. Organizacao
    10. . 16.a Semana da Computação - ICMC/USP. Instituto de Ciências Matemáticas e de Computação - ICMC/USP. 2013. Organizacao

Lista de colaborações



(*) Relatório criado com produções desde 1970 até 2023
Data de processamento: 10/05/2023 08:54:02