William Sdayle Marins Silva

Formação complementar

Idiomas

Áreas de atuação

Organização de eventos

Participação em eventos

Produções bibliográficas

• SILVA, W. S. M. ; BUGATTI, P. H. ; SAITO, P. T. M. . Image Classification through Graph Neural Networks and Random Walks. In: 22nd International Conference on Artificial Intelligence and Soft Computing, 2023, Warszawa. 22nd International Conference on Artificial Intelligence and Soft Computing (ICAISC 2023), 2023. v. 1. p. 1-10.

• SILVA, W. S. M. ; BUGATTI, P. H. ; SAITO, P. T. M. . Classification of Biological Contextual Images Trough Convolutional Graphs and Random Walk. In: Xmeeting, 2023, Curitiba. Classification of Biological Contextual Images Trough Convolutional Graphs and Random Walk, 2023. v. 1.

• SILVA, W. S. M. . Redes Neurais Convolucionais. 2020. (Apresentação de Trabalho/Conferência ou palestra).

Outras produções

Projetos de pesquisa

• 2019 - 2023

  Classificação de imagens contextuais através de Grafos Convolucionais e caminhada aleatória., Descrição: Sabe-se que pessoas conseguem assimilar o contexto entre informações a partir de dados pouco percebidos, e essa afirmação se aplica ao contexto em imagens. No aprendizado de máquina, o contexto de uma imagem pode ser representado e previsto usando Graph Convolutional Networks (GCNs). Nesse contexto, as redes convolucionais em grafos precisam da estrutura do grafo para aplicar o método convolucional entre os nós. Com base no trabalhos anteriores, grafos convolucionais com politicas de conexão totalmente conectadas e por cortes com base em pesos são políticas que podem ser usadas para criar gráficos de contexto de imagem. No entanto, as políticas de conexão entre objetos geralmente utilizadas na criação de grafos convolucionais podem não ser as melhores em termos de classificação ou número de arestas, o que pode confundir os modelos de classificação. Com o objetivo de tornar os grafos de contexto mais expressivos e melhorar a precisão das classificações de imagens contextuais, este trabalho propõe um método eficiente baseado em passeios aleatórios que podem obter melhores resultados de classificação em comparação com a literatura. Para aumentar o nível de comparação do método proposto, foram utilizados outros dois métodos aleatórios; corte aleatório e arestas aleatórias. Algumas arquiteturas de redes neurais pré-treinadas foram usadas para extrair características de cada objeto das imagens. Diferentes tamanhos de passeios também foram testados para o passeio aleatório, tornando o projeto mais abrangente. Foram utilizados diferentes contextos de rótulos em quatro conjuntos de imagens para avaliar as políticas de conexão de arestas do grafo. A abordagem proposta apresentou melhores resultados em quase todos os conjuntos e conjuntos de arestas menores do que a política totalmente conectada em todos os datasets. O método proposto performou 56,20% de precisão em comparação com 50,37% da política totalmente conectada e 53,85% do método por cortes com base em pesos.. , Situação: Concluído; Natureza: Pesquisa. , Alunos envolvidos: Mestrado acadêmico: (1) Doutorado: (2) . , Integrantes: William Sdayle Marins Silva - Coordenador / Pedro Henrrique Bugatti - Integrante / Priscila Tiemi Maeda Saito - Integrante., Financiador(es): Coordenação de Aperfeiçoamento de Pessoal de Nível Superior - Bolsa.

• 2018 - 2023

  Inspeção Automatizada de Podas em Redes Urbanas utilizando Deep Learning, Descrição: O projeto visa desenvolver um sistema de captura e processamento de imagens por Inteligência Artificial capaz de identificar locais onde há necessidade da realização de podas, isto é, regiões onde a vegetação se encontra próxima à rede aérea de distribuição de energia elétrica. Para isto é utilizado um veículo equipado com sensores do tipo lidar, câmera RGB 360º e câmera estéreo. Este é um projeto desenvolvido em conjunto com a CPFL, por meio do programa de P&D da ANEEL. , Situação: Concluído; Natureza: Pesquisa. , Alunos envolvidos: Graduação: (5) / Mestrado acadêmico: (1) / Doutorado: (1) . , Integrantes: William Sdayle Marins Silva - Integrante / Horacio Enrique Fortunato - Integrante / Matheus Alan Bergmann - Integrante / Lucas Ramalho Guerra - Integrante / Arthur Ferreira Medeiros - Integrante / Thiago Sotoriva Lermen - Integrante / Vitor Tosetto - Coordenador.

Projetos de desenvolvimento

• 2023 - Atual

  Tennis Analytics, Descrição: Criação de análises de jogos de tênis através de visão computacional. Neste software, utilizamos o estado da arte para detecção de objetos e processamento de imagens.A atuais features do sistema são: filtragem de vídeos completos para highlights, criação de analises dos jogos utilizando inteligência artificial e visão computacional, tais como: quantidade de batidas e quais formas de batidas.. , Situação: Em andamento; Natureza: Desenvolvimento. , Integrantes: William Sdayle Marins Silva - Coordenador / Alan Romão Silva - Integrante / Guilherme Muraro Bonini - Integrante.

Prêmios