Fábio Augusto Faria

Pós-doutorado

Formação complementar

Idiomas

Áreas de atuação

Organização de eventos

Participação em eventos

Participação em bancas

Orientou

Produções bibliográficas

• FAZENDA, ÁLVARO L. ; FARIA, FABIO A. . ForestEyes: Citizen Scientists and Machine Learning-Assisting Rainforest Conservation. COMMUNICATIONS OF THE ACM , v. 1, p. 1-4, 2024.

• BORLIDO, I. ; BOUHID NETO, E. ; SUNDERMANN, V. ; RESENDE, H. ; FAZENDA, A. L. ; FARIA, F.A. ; GUIMARAES, S. J. F. . How to Identify Good Superpixels for Deforestation Detection on Tropical Rainforests. IEEE Geoscience and Remote Sensing Letters , v. 1, p. 1, 2024.

• PRESOTTO, JOÃO GABRIEL CAMACHO ; DOS SANTOS, SAMUEL FELIPE ; VALEM, LUCAS PASCOTTI ; FARIA, Fabio Augusto ; PAPA, JOÃO PAULO ; ALMEIDA, Jurandy ; PEDRONETTE, DANIEL CARLOS GUIMARÃES . Weakly supervised learning based on hypergraph manifold ranking. JOURNAL OF VISUAL COMMUNICATION AND IMAGE REPRESENTATION , v. 89, p. 103666, 2022.

• DALLAQUA, F. B. ; FARIA, FABIO A. ; FAZENDA, ALVARO L. . ForestEyes Project: Conception, enhancements, and challenges. Future Generation Computer Systems , v. 124, p. 422-435, 2021.

• AONO, A. H. ; NAGAI, J. S. ; DICKEL, G. S. M. ; MARINHO, R. C. ; OLIVEIRA, P. E. A. M. ; PAPA, J. P. ; FARIA, FABIO A. . A Stomata Classification and Detection System in Microscope Images of Maize Cultivars. PLoS One , v. 16, p. 1-17, 2021.

• DE MELO, VINICIUS V. ; SOTTO, LEO F. D. P. ; LEONARDO, MATHEUS M. ; FARIA, FABIO A. . Automatic Meta-Feature Engineering for CNN Fusion in Aerial Scene Classification Task. IEEE Geoscience and Remote Sensing Letters , v. 17, p. 1652-1656, 2020.

• FAZENDA, A. L. ; FARIA, FABIO A. ; DALLAQUA, F. B. . Building Data Sets for Rainforest Deforestation Detection Through a Citizen Science Project. IEEE Geoscience and Remote Sensing Letters , v. 1, p. 1-5, 2020.

• LEONARDO, M. M. ; FARIA, FABIO A. . Um Sistema de Reconhecimento de Espécies de Moscas-das-Frutas. Revista Eletrônica de Iniciação Científica , v. 17, p. 1, 2019.

• DOS SANTOS, ELDER DONIZETTI ; QUILES, MARCOS GONÇALVES ; FARIA, Fabio Augusto . A correlation-based approach for event detection in Instagram. JOURNAL OF INTELLIGENT & FUZZY SYSTEMS , v. 1, p. 1-12, 2018.

• TOMÀS, JORDI CREUS ; FARIA, Fabio Augusto ; ESQUERDO, JÚLIO CÉSAR DALLA MORA ; COUTINHO, ALEXANDRE CAMARGO ; MEDEIROS, CLAUDIA BAUZER . SiRCub. INTERNATIONAL JOURNAL OF AGRICULTURAL AND ENVIRONMENTAL INFORMATION SYSTEMS , v. 8, p. 20-36, 2017.

• CARVALHO, T. J. ; FARIA, Fabio Augusto ; TORRES, R. S. ; PEDRINI, H. ; ROCHA, A. . Illuminant-based Transformed Spaces for Image Forensics. IEEE Transactions on Information Forensics and Security , p. 1-1, 2016.

• FARIA, F.A. ; ALMEIDA JUNIOR, J. G. ; ALBERTON, B. ; MORELLATO, L. P. C. ; TORRES, R. S. . Fusion of Time Series Representations for Plant Recognition in Phenology Studies. PATTERN RECOGNITION LETTERS , v. 83, p. 205-214, 2016.

• PERRE, P. ; FARIA, F.A. ; JORGE, L.R. ; ROCHA, A. ; TORRES, R. S. ; LEWINSOHN, T. ; ZUCCHI, R. A. . Toward an Automated Identification of Anastrepha Fruit Flies in the fraterculus group (Diptera, Tephritidae). Neotropical Entomology (Impresso) , v. o, p. 1-5, 2016.

• FARIA, Fabio Augusto ; Almeida, Jurandy ; ALBERTON, BRUNA ; MORELLATO, LEONOR PATRICIA C. ; ROCHA, ANDERSON ; TORRES, R. da S. . Time series-based classifier fusion for fine-grained plant species recognition. Pattern Recognition Letters , v. 81, p. 101-109, 2016.

• ALBERT SANTOS, FRANCES ; AUGUSTO FARIA, FABIO ; APARECIDO VILLAS, LEANDRO . Iris Recognition Based on Local Binary Descriptors. Revista IEEE América Latina , v. 13, p. 2770-2775, 2015.

• FARIA, FABIO A. ; DOS SANTOS, JEFERSSON A. ; ROCHA, ANDERSON ; TORRES, RICARDO DA S. . A framework for selection and fusion of pattern classifiers in multimedia recognition. Pattern Recognition Letters , v. 39, p. 52-64, 2014.

• FARIA, FABIO A. ; PEDRONETTE, DANIEL C. G. ; DOS SANTOS, JEFERSSON A. ; ROCHA, ANDERSON ; TORRES, RICARDO DA S. . Rank Aggregation for Pattern Classifier Selection in Remote Sensing Images. IEEE J-STARS , v. 7, p. 1103-1115, 2014.

• Mansano, A. ; Matsuoka, J. A. ; AFONSO, L. C. S. ; PAPA, J. P. ; FARIA, FABIO A. ; TORRES, R. S. . Swarm-based Descriptor Combination and its Application for Image Classification. ELCVIA. Electronic letters on computer vision and image analysis , v. 13, p. 13-27, 2014.

• FARIA, F.A. ; PERRE, P. ; ZUCCHI, R.A. ; JORGE, L.R. ; LEWINSOHN, T.M. ; ROCHA, A. ; TORRES, R. DA S. . Automatic identification of fruit flies (Diptera: Tephritidae). Journal of Visual Communication and Image Representation (Print) , v. 25, p. 1516-1527, 2014.

• FARIA, F.A. ; CAPPABIANCO, F. A. M. ; CARNEIRO, G. . Sistemas de Auxílio Diagnóstico baseados em Imagens. In: Antonio Valerio Netto; Lilian Berton; Andre Kazuo Takahata. (Org.). Ciência de Dados e a Inteligência Artificial na àrea da Saúde. 1ed.São Paulo: Editora dos Editores, 2021, v. 1, p. 101-114.

• DALLAQUA, F. B. ; FAZENDA, ALVARO LUIZ ; FARIA, F.A. . Cidadãos Comuns Ajudando no Combate ao Desmatamento das Florestas Tropicais. Computação Brasil, p. 20 - 23, 10 dez. 2021.

• NETO, EDUARDO BOUHID ; FARIA, Fabio Augusto ; DE OLIVEIRA, AMANDA DE ALMEIDA SALES ; FAZENDA, ALVARO LUIZ . A Satellite Band Selection Framework for Amazon Forest Deforestation Detection Task. In: GECCO '24: Genetic and Evolutionary Computation Conference, 2024, Melbourne VIC Australia. Proceedings of the Genetic and Evolutionary Computation Conference. New York: ACM. p. 1300.

• FARIA, Fabio Augusto ; BURIS, LUIZ HENRIQUE ; PEREIRA, LUIS AUGUSTO MARTINS ; CAPPABIANCO, FABIO AUGUSTO MENOCCI . Creating Ensembles of Classifiers through UMDA for Aerial Scene Classification. In: GECCO '24: Genetic and Evolutionary Computation Conference, 2024, Melbourne VIC Australia. Proceedings of the Genetic and Evolutionary Computation Conference. New York: ACM. p. 1228.

• RESENDE, H. ; BOUHID NETO, E. ; FAZENDA, A. L. ; CAPPABIANCO, F. A. M. ; FARIA, F.A. . Sampling Strategies based on Wisdom of Crowds for Amazon Deforestation Detection. In: 37th Conference on Graphics, Patterns and Images, 2024, Manaus. 37th Conference on Graphics, Patterns and Images, 2024.

• TACIANO, M. S. ; PUGLIESE, V. ; FARIA, FABIO A. . SegSemPuzzle: Solving Jigsaw Puzzles based on Semantic Segmentation Task. In: Workshop de Visão Computacional, 2023, São Bernardo dos Campos. XVIII Workshop de Visão Computacional, 2023.

• BURIS, L. H. ; PEDRONETTE, D. C. G. ; PAPA, J. P. ; ALMEIDA, Jurandy ; CARNEIRO, G. ; FARIA, Fabio Augusto . Mixup-based Deep Metric Learning for Incomplete Supervision. In: International Conference on Image Processing, 2022, Bordeaux/France. International Conference on Image Processing, 2022.

• PIMENTA, G. A. ; DALLAQUA, F. B. ; FAZENDA, A. L. ; FARIA, F.A. . Neuroevolution-based Classifiers for Deforestation Detection in Tropical Forests. In: SIBGRAPI2022, 2022, Natal. SIBGRAPI2022, 2022.

• TEIXEIRA, R. F. S. ; JANUZI, R. B. ; FARIA, F.A. . The Brazilian Data at Risk in the age of AI?. In: Encontro Nacional de Inteligência Artificial e Computacional, 2022, Campinas. XIX Encontro Nacional de Inteligência Artificial e Computacional (ENIAC 2022), 2022.

• FERREIRA, ALVARO R. ; DE ROSA, GUSTAVO H. ; PAPA, JOAO P. ; CARNEIRO, GUSTAVO ; FARIA, FABIO A. . Creating Classifier Ensembles through Meta-heuristic Algorithms for Aerial Scene Classification. In: 2020 25th International Conference on Pattern Recognition (ICPR), 2021, Milan. 2020 25th International Conference on Pattern Recognition (ICPR), 2021. p. 415.

• ANDRADE, N. ; FARIA, FABIO A. ; CAPPABIANCO, F. A. M. . Improving Similarity Metric of Multi-modal MR Brain Image Registration Via a Deep Ensemble. In: Conference on Graphics, Patterns and Images, 2021. Conference on Graphics, Patterns and Images, 2021.

• ALVARENGA, L. ; PEDRONETTE, D. C. G. ; FARIA, FABIO A. ; PAPA, J. P. ; ALMEIDA JUNIOR, J. G. . Improving Transferability of Domain Adaptation Networks Through Domain Alignment Layers. In: Conference on Graphics, Patterns and Images, 2021. Conference on Graphics, Patterns and Images, 2021.

• FRANCO, M. S. ; SANTOS, S. R. B. ; FARIA, FABIO A. . Uma Abordagem de Aprendizado online para o Seguimento de Trajetórias usando Robôs não Holonômicos. In: XXIII Congresso Brasileiro de Automática (CBA 2020), 2020, Porto Alegre. XXIII Congresso Brasileiro de Automática (CBA 2020), 2020.

• FARIA, Fabio Augusto ; CARNEIRO, GUSTAVO . Why are Generative Adversarial Networks so Fascinating and Annoying?. In: 2020 33rd SIBGRAPI Conference on Graphics, Patterns and Images (SIBGRAPI), 2020, Recife/Porto de Galinhas. 2020 33rd SIBGRAPI Conference on Graphics, Patterns and Images (SIBGRAPI), 2020. p. 1.

• JORDAN ROJAS DALLAQUA, FERNANDA BEATRIZ ; FAZENDA, ALVARO LUIZ ; FARIA, Fabio Augusto . ForestEyes Project: Can Citizen Scientists Help Rainforests?. In: 2019 15th International Conference on eScience (eScience), 2019, San Diego. 2019 15th International Conference on eScience (eScience), 2019. p. 18.

• FARIA, Fabio Augusto ; SARKAR, SUDEEP . A Graph-based Approach for Static Ensemble Selection in Remote Sensing Image Analysis. In: 2018 24th International Conference on Pattern Recognition (ICPR), 2018, Beijing. 2018 24th International Conference on Pattern Recognition (ICPR), 2018. p. 344.

• LEONARDO, MATHEUS MACEDO ; CARVALHO, TIAGO J. ; REZENDE, EDMAR ; ZUCCHI, ROBERTO ; FARIA, Fabio Augusto . Deep Feature-Based Classifiers for Fruit Fly Identification (Diptera: Tephritidae). In: 2018 31st SIBGRAPI Conference on Graphics, Patterns and Images (SIBGRAPI), 2018, Parana. 2018 31st SIBGRAPI Conference on Graphics, Patterns and Images (SIBGRAPI), 2018. p. 41.

• J. R. DALLAQUA, FERNANDA B. ; FARIA, Fabio Augusto ; FAZENDA, ALVARO L. . Active Learning Approaches for Deforested Area Classification. In: 2018 31st SIBGRAPI Conference on Graphics, Patterns and Images (SIBGRAPI), 2018, Paraná. 2018 31st SIBGRAPI Conference on Graphics, Patterns and Images (SIBGRAPI), 2018. p. 48.

• ANDRADE, NATAN ; FARIA, Fabio Augusto ; CAPPABIANCO, FABIO AUGUSTO MENOCCI . A Practical Review on Medical Image Registration: From Rigid to Deep Learning Based Approaches. In: 2018 31st SIBGRAPI Conference on Graphics, Patterns and Images (SIBGRAPI), 2018, Parana. 2018 31st SIBGRAPI Conference on Graphics, Patterns and Images (SIBGRAPI), 2018. p. 463.

• LEONARDO, MATHEUS MACEDO ; AVILA, SANDRA ; ZUCCHI, ROBERTO A. ; FARIA, FABIO A. . Mid-level Image Representation for Fruit Fly Identification (Diptera: Tephritidae). In: 2017 IEEE 13th International Conference on eScience (eScience), 2017, Auckland. 2017 IEEE 13th International Conference on e-Science (e-Science), 2017. p. 202.

• IDE, J. S. ; CAPPABIANCO, F. A. M. ; FARIA, Fabio Augusto ; LI, C. R. . Detrended Partial Cross Correlation for Brain Connectivity Analysis. In: Neural Information Processing Systems (NIPS), 2017, Long Beach. Neural Information Processing Systems (NIPS), 2017.

• FARIA, F.A. ; CAPPABIANCO, F. A. M. ; LI, C. R. ; IDE, J. S. . Information Fusion for Cocaine Dependence Recognition using fMRI. In: 23rd International Conference on Pattern Recognition, 2016, Cancun. 23rd International Conference on Pattern Recognition, 2016.

• TOMAS, J. C. ; FARIA, F.A. ; ESQUERDO, J. C. D. M. ; COUTINHO, A. C. ; MEDEIROS, C. M. B. . SiRCub - Brazilian Agricultural Crop Recognition System. In: XVII Simpósio Brasileiro de Sensoriamento Remoto, 2015, João Pessoa. XVII Simpósio Brasileiro de Sensoriamento Remoto, 2015.

• SANTOS, FRANCES ALBERT ; FARIA, Fabio Augusto ; BOUKERCHE, AZZEDINE ; VILLAS, LEANDRO APARECIDO . An Efficient Cloud-Based Iris Recognition Solution for Mobile Devices. In: the 13th ACM International Symposium, 2015, Cancun. Proceedings of the 13th ACM International Symposium on Mobility Management and Wireless Access - MobiWac '15. New York: ACM Press. p. 89.

• AGUILERA, N. V. ; FARIA, F.A. . Projeto Robótica e Cidadania: ROBOTRUCK. In: 6th Workshop of Robotics in Education, 2015, Uberlândia, Minas Gerais. 6th Workshop of Robotics in Education, 2015.

• CONTI, J. C. ; FARIA, Fabio Augusto ; ALMEIDA JUNIOR, J. G. ; ALBERTON, B. ; MORELLATO, L. P. C. ; CAMOLESI JUNIOR, L. ; TORRES, R. S. . Evaluation of Time Series Distance Functions in the Task of Detecting Remote Phenology Patterns. In: 22nd International Conference on Pattern Recognition (ICPR), 2014, Stockholm. 22nd International Conference on Pattern Recognition, 2014.

• FARIA, FABIO A. ; ROCHA, A. ; TORRES, R. S. . A Framework for Pattern Classifier Selection and Fusion. In: European Conference on Machine Learning and Principles and Practice of Knowledge Discovery in Databases (ECML/PKDD), 2014, Nancy. European Conference on Machine Learning and Principles and Practice of Knowledge Discovery in Databases (ECML/PKDD), 2014.

• FARIA, FABIO A. ; DOS SANTOS, JEFERSSON A. ; SARKAR, SUDEEP ; ROCHA, ANDERSON ; TORRES, RICARDO DA S. . Classifier Selection Based on the Correlation of Diversity Measures: When Fewer Is More. In: 2013 XXVI SIBGRAPI Conference on Graphics, Patterns and Images (SIBGRAPI), 2013, Arequipa. 2013 XXVI Conference on Graphics, Patterns and Images. p. 16.

• FARIA, FABIO A. ; DOS SANTOS, JEFERSSON A. ; TORRES, RICARDO DA S. ; ROCHA, ANDERSON ; FALCAO, ALEXANDRE X. . Automatic fusion of region-based classifiers for coffee crop recognition. In: IGARSS 2012 2012 IEEE International Geoscience and Remote Sensing Symposium, 2012, Munich. 2012 IEEE International Geoscience and Remote Sensing Symposium. p. 2221.

• Santos, J. A. ; FARIA, Fabio Augusto ; TORRES, R. S. ; GOSSELIN, P. H. ; PHILIPP-FOLIGUET, S. ; FALCAO, A. X. ; ROCHA, A. . Descriptor Correlation Analysis for Remote Sensing Image Multi-Scale Classification. In: 21st International Conference on Pattern Recognition (ICPR 2012), 2012, Tsukuba. 21st International Conference on Pattern Recognition, 2012.

• FARIA, Fabio Augusto ; SANTOS, JEFERSSON ALEX DOS ; ROCHA, ANDERSON ; TORRES, RICARDO DA S. . Automatic Classifier Fusion for Produce Recognition. In: 2012 XXV SIBGRAPI Conference on Graphics, Patterns and Images (SIBGRAPI), 2012, Ouro Preto. 2012 25th SIBGRAPI Conference on Graphics, Patterns and Images. p. 252.

• Mansano, A. ; Matsuoka, J. A. ; AFONSO, L. C. S. ; PAPA, J. P. ; FARIA, F. ; TORRES, R. DA S. . Improving Image Classification through Descriptor Combination. In: 2012 XXV SIBGRAPI Conference on Graphics, Patterns and Images (SIBGRAPI), 2012, Ouro Preto. 2012 25th SIBGRAPI Conference on Graphics, Patterns and Images. p. 324.

• FARIA, Fabio Augusto ; CALUMBY, R. T. ; TORRES, R. S. . RECOD at ImageCLEF 2011: Medical Modality Classification using Genetic Programming. In: Conference on Multilingual and Multimodal Information Access Evaluation (CLEF 2011), 2011, Amsterdam. Conference on Multilingual and Multimodal Information Access Evaluation (CLEF 2011), 2011.

• FARIA, Fabio Augusto ; CALUMBY, R. T. ; VELOSO, A. ; ROCHA, A. ; TORRES, R. S. . Uso de Técnicas de Aprendizagem para Classificação e Recuperação de Imagens. In: 24th Conference on Graphics, Patterns and Images, 2011, Maceió. Workshop of Theses and Dissertations, 2011. p. 174-179.

• Faria, Fabio F. ; VELOSO, ADRIANO ; ALMEIDA, HUMBERTO M. ; VALLE, EDUARDO ; TORRES, RICARDO DA S. ; GONÇALVES, MARCOS A. ; MEIRA, WAGNER . Learning to rank for content-based image retrieval. In: the international conference, 2010, Philadelphia. Proceedings of the international conference on Multimedia information retrieval - MIR '10. New York: ACM Press. p. 285.

• FARIA, Fabio Augusto ; PAPA, J. P. ; TORRES, R. S. ; FALCAO, A. X. . Multimodal Pattern Recognition Through Particle Swarm Optimization. In: 17th International Conference on Systems, Signals and Image Processing (IWSSIP 2010), 2010, Rio de Janeiro. 17th International Conference on Systems, Signals and Image Processing, 2010.

• Santos, J. A. ; FARIA, F. ; CALUMBY, R. ; TORRES, R. DA S. ; LAMPARELLI, R. A. C. . A Genetic Programming approach for coffee crop recognition. In: IGARSS 2010 2010 IEEE International Geoscience and Remote Sensing Symposium, 2010, Honolulu. 2010 IEEE International Geoscience and Remote Sensing Symposium. p. 3418.

• SPINA, THIAGO V. ; MONTOYA-ZEGARRA, JAVIER A. ; ANDRIJAUSKAS, FÁBIO ; FARIA, FÁBIO A. ; ZAMPIERI, CARLOS E.A. ; PINTO-CÁCERES, SHEILA M. ; CARVALHO, TIAGO J. DE ; FALCÃO, ALEXANDRE X. . A Comparative Study among Pattern Classifiers in Interactive Image Segmentation. In: 2009 XXII Brazilian Symposium on Computer Graphics and Image Processing (SIBGRAPI), 2009, Rio de Janiero. 2009 XXII Brazilian Symposium on Computer Graphics and Image Processing. p. 268.

• FARIA, Fabio Augusto ; FLORES, E. F. ; DOESCHER, E. ; Shimabukuro, M. H. . Mineração de Dados Paralela em Cluster de Computadores: Um Teste inicial com análise de dados Pluviométricos. In: 7th Brazilian Conference on Dynamics, Control and Applications, 2008, Presidente Prudente. 7th Brazilian Conference on Dynamics, Control and Applications, 2008.

• GALINDO, Y. ; FARIA, F.A. . Understanding CLIP Robustness. In: The Art of Robustness: Devil and Angel in Adversarial Machine Learning, 2022, New Orleans. Workshop at IEEE Conference on Computer Vision and Pattern Recognition, 2022.

• DALLAQUA, F. B. ; FARIA, Fabio Augusto ; FAZENDA, A. L. . Projeto ForestEyes: Uma proposta para aliar Ciência Cidadã e Aprendizado de Máquina para monitoramento de desmatamento. In: Brazilian Symposium on Geoinformatics, 2020, São José dos Campos. Brazilian Symposium on Geoinformatics, 2020.

• BOUHID NETO, E. ; PEDRO, P. R. C. ; FAZENDA, A. L. ; FARIA, F.A. . Um arcabouço de Seleção de Bandas Landsat-8 baseado em UMDA para Detecção de Desmatamento. In: Workshop of Undergraduate Works (WUW), 2023, Rio Grande. Workshop of Undergraduate Works (WUW), 2023.

• DALLAQUA, F. B. ; FAZENDA, A. L. ; FARIA, FABIO A. . Aprendizado Ativo com dados de Ciência Cidadã para o monitoramento de florestas tropicais. In: Escola Regional de Aprendizagem de Máquina e Inteligência Artificial de São Paulo, 2020. Escola Regional de Aprendizagem de Máquina e Inteligência Artificial de São Paulo, 2020.

• SILVA., L. T. ; FARIA, FABIO A. . Combinando Feature squeezing e Lottery Tickets para Detecção de Exemplos Adversariais. In: Workshop of Undergraduate Works (WUW), 2020, Porto de Galinas. Workshop of Undergraduate Works (WUW), 2020.

• LEONARDO, M. M. ; FARIA, F.A. . Mid-level Image Representation for Fruit Crop Pest Identification. In: Workshop of Undergraduate Works (WUW), 2017, Niterói. Conference on Graphics, Patterns and Images, 2017.

• LUCIO, V. ; FARIA, F.A. ; ALMEIDA JUNIOR, J. G. . Um Sistema de Fusão de Classificadores Aplicado à Fenologia. In: Workshop of Undergraduate Works (WUW), 2017, Niterói. Conference on Graphics, Patterns and Images, 2017.

• FARIA, FABIO A. . A Satellite Band Selection Framework for Amazon Forest Deforestation Detection Task. 2024. (Apresentação de Trabalho/Conferência ou palestra).

• FARIA, FABIO A. . Creating Ensembles of Classifiers through UMDA for Aerial Scene Classification. 2024. (Apresentação de Trabalho/Conferência ou palestra).

• FARIA, F.A. ; TEIXEIRA, R. F. S. . O sistema biométrico brasileiro no século 21. 2022. (Apresentação de Trabalho/Conferência ou palestra).

• FARIA, F.A. . Learning More for Less: Deep Metric Learning for Incomplete Supervision. 2022. (Apresentação de Trabalho/Conferência ou palestra).

• JANUZI, R. B. ; TEIXEIRA, R. F. S. ; FARIA, F.A. . Os dados dos brasileiros sob risco na era da IA?. 2021. (Apresentação de Trabalho/Conferência ou palestra).

• FARIA, F.A. . Detecção de eventos em mídias sociais. 2021. (Apresentação de Trabalho/Conferência ou palestra).

• FERREIRA JUNIOR, A. R. ; ROSA, G. H. ; PAPA, J. P. ; CARNEIRO, G. ; FARIA, FABIO A. . Creating Classifier Ensembles through Meta-Heuristic Algorithms for Aerial Scene Classification. 2020. (Apresentação de Trabalho/Conferência ou palestra).

• FARIA, FABIO A. . Evolução das Redes Generativas Adversariais. 2020. (Apresentação de Trabalho/Conferência ou palestra).

• FARIA, FABIO A. ; CARNEIRO, G. . Why are Generative Adversarial Networks so Fascinating and Annoying?. 2020. (Apresentação de Trabalho/Simpósio).

• FARIA, FABIO A. . A CNN-based Ensemble Selection Approach for Aerial Scene Classification. 2019. (Apresentação de Trabalho/Conferência ou palestra).

• FARIA, FABIO A. . Creating Classifier Ensembles through Graph Representation. 2019. (Apresentação de Trabalho/Conferência ou palestra).

• CAPPABIANCO, F. A. M. ; FARIA, FABIO A. ; ANDRADE, N. . A Practical Review on Medical Image Registration: From Rigid to Deep Learning Based Approaches.. 2018. (Apresentação de Trabalho/Outra).

• FARIA, F.A. . Fusão e Seleção de Classificadores de Padrões para Reconhecimento Multimídia. 2015. (Apresentação de Trabalho/Seminário).

• CONTI, J. C. ; FARIA, F.A. ; ALMEIDA JUNIOR, J. G. ; ALBERTON, B. ; MORELLATO, L. P. C. ; CAMOLESI JUNIOR, L. ; TORRES, R. S. . Evaluation of Time Series Distance Functions in the Task of Detecting Remote Phenology Patterns. 2014. (Apresentação de Trabalho/Congresso).

• FARIA, F.A. ; ROCHA, ANDERSON ; TORRES, R. DA S. . A Framework for Pattern Classifier Selection and Fusion. 2014. (Apresentação de Trabalho/Congresso).

• FARIA, Fabio Augusto . Classifier Fusion and Selection for Multimedia Recognition. 2012. (Apresentação de Trabalho/Conferência ou palestra).

• FARIA, Fabio Augusto ; CALUMBY, R. T. ; VELOSO, A. ; ROCHA, A. ; TORRES, R. S. . Uso de Técnicas de Aprendizagem para Classificação e Recuperação de Imagens. 2011. (Apresentação de Trabalho/Simpósio).

• FARIA, Fabio Augusto ; VIDO, J. R. ; METZE, I. G. H. L. ; METZE, K. ; ROCHA, A. ; TORRES, R. S. . Estudo de Técnicas de Aprendizagem e Descrição para Classificação de Imagens com Síndrome Mielodisplásica. 2011. (Apresentação de Trabalho/Seminário).

• FARIA, Fabio Augusto ; ROCHA, A. ; TORRES, R. S. . Classificação de Imagens usando Programação Genética. 2010. (Apresentação de Trabalho/Simpósio).

• FARIA, Fabio Augusto . Mineração de Dados Paralela em Ambiente Cluster de Computadores. 2007. (Apresentação de Trabalho/Congresso).

• FARIA, F.A. . ChatGPT: potencialidades e limitações da nova ferramenta. Medium, 2023 (Artigo para plataforma Medium-UNIFESP).

Outras produções

Projetos de pesquisa

• 2019 - 2023

  Weakly Supervised Learning for Compressed Video Analysis on Retrieval and Classification Tasks for Visual Alert, Descrição: Several machine learning techniques have relied on large labeled data sets to construct predictive models and solving supervised learning tasks. The use of deep learning techniques can be highlighted, since it have been broadly and successfully used in various domains. On the other hand, in many circumstances, the labeled sets are unavailable or insufficient to train ef fective supervised models. Such scenarios have been mainly addressed by unsuperv ised learning techniques, which consider the unlabeled data to learn about its structure. However, the use of completely unsupervied methods still remains a research challenge in many scenarios and situations. A promising solution is based on the use of weakly supervised approaches, capable of performing ef fective learning tasks based on incomplete or inaccurate labeled sets. In this project, we intend to investigate the analysis, retrieval, and classification of compressed video domain based on small training sets. The main object of the project consists in to investigate and propose methods capable of analysing compressed video sequences and trigger alerts according to considered applications. Such approaches can be useful and relevant in several domains, ranging from surveillance, medical and industrial environments to smart homes. The fundamental research challenge consists in making use of dif ferent techniques in order to analyse, represent, and classificate videos using restricted labeled data. The proposed approach aims at exploiting the maximum available information, in order to become the approach suitable for operating with small training datasets. W e intend to exploit: (i) deep learning representations; (ii) contextual unsupervised measures and; (iii) fusion techniques, in order to extend the initial labeled sets. The first challenge to be addressed is to analyse and represent videos in the compressed domain using deep learning techniques. Based on such representations, we intend to investigate strategies for expanding the training sets using unsupervised contextual measures. Given the obtained labeled sets, fusion strategies will be used to combined diverse classification methods and triggering alerts. Although the methods which will investigated c an be used in several domains, we intend to select domains to validate the proposed approaches. The selection will be perfo rmed considering the existence of public available datasets to conduct experimental evaluation. , Situação: Concluído; Natureza: Pesquisa. , Integrantes: Fabio Augusto Faria - Integrante / João P. Papa - Integrante / Daniel Carlos Guimarães Pedronette - Coordenador / Jurandy Gomes de Almeida Junior - Integrante., Financiador(es): Fundação de Amparo à Pesquisa do Estado de São Paulo - Auxílio financeiro.

• 2019 - Atual

  Towards the Robustness in Deep Learning Architectures, Descrição: Deep learning architectures, in particular the convolutional neural networks (CNNs) are responsible for recent research advances in computational vision and machine learning areas. Due to the fact these networks have achieved excellent results in different application domains. In 2014, a Google research group found that several machine learning models were vulnerable to adversarial examples. The addition of imperceptible noise in images was enough to fool any trained machine learning model. This fact has leveraged a new research field, adversarial pattern recognition, which aims the creation of robust learning models to data distribution different from used in the training process (adversarial examples).. , Situação: Em andamento; Natureza: Pesquisa. , Alunos envolvidos: Doutorado: (1) . , Integrantes: Fabio Augusto Faria - Coordenador / Gustavo Carneiro - Integrante., Financiador(es): Fundação de Amparo à Pesquisa do Estado de São Paulo - Bolsa.

• 2018 - 2020

  Depth feature-based Classifier Ensemble for Adversarial Pattern Recogntion, Descrição: Our project investigates deep learning architectures to propose classifier ensemble approaches for adversarial scenarios, as white-box attacks and countermeasures (reactive and proactive)[1]. For this, we intend to combine different CNN architectures (e.g., ResNet, Densenet, VGG16, and Inception) through the use of diversity and effectiveness measures. We believe that it is possible to create robust classifier ensemble approaches to identify adversarial examples in the test set throughout the classification tasks.. , Situação: Concluído; Natureza: Pesquisa. , Alunos envolvidos: Graduação: (2) / Mestrado acadêmico: (2) / Doutorado: (1) . , Integrantes: Fabio Augusto Faria - Coordenador., Financiador(es): NVIDIA GPU GRANT - Outra.

• 2017 - 2020

  Métodos de Fusão de Informação para Aplicações e-Science, Descrição: Nos dias de hoje, uma grande quantidade de dados tem sido produzida diariamente devido a popularização dos dispositivos móveis e pelo maior acesso das pessoas à internet. Com isso, o desafio que surge está em desenvolver ferramentas eficientes e eficázes de análise e descoberta de conhecimento para essa imensa quantidade de dados criados. Muitos pesquisadores têm buscado soluções inteligentes para resolver seus problemas de forma automática ou semi-automática usando diferentes tipos de dados multimídias (e.g., texto, som, imagem e vídeo). O sucesso dessas soluções inteligentes pode ser evidenciado pelo grande número de trabalhos, na literatura, que obtiveram ótimos resultados em diferentes áreas de conhecimento (e.g., médicas, biológicas e segurança). Uma área de pesquisa que tem se destacado é a chamada e-Science que reside na modelagem e desenvolvimento de novas ferramentas computacionais para auxiliar pesquisadores de outras áreas do conhecimento na resolução de problemas científicos enfrentados por eles. Neste sentido, o objetivo desta proposta é especificar e implementar métodos de fusão de técnicas de aprendizagem de máquina para combinar propriedades relevantes de diferentes tipos de dados multimídias em aplicações e-Science. A combinação de técnicas visa obter melhor eficácia ao final do processo de classificação de dados multimídia em diferentes domínios de aplicação e-Science.. , Situação: Concluído; Natureza: Pesquisa. , Alunos envolvidos: Graduação: (4) / Mestrado acadêmico: (2) / Doutorado: (1) . , Integrantes: Fabio Augusto Faria - Coordenador / Roberto Antonio Zucchi - Integrante / Jurandy Gomes de Almeida Junior - Integrante / Fábio Augusto Menocci Cappabianco - Integrante / Jaime Shinsuke Ide - Integrante., Financiador(es): Conselho Nacional de Desenvolvimento Científico e Tecnológico - Auxílio financeiro.

• 2017 - 2019

  Desenvolvimento de Métodos Robustos para Delineamento de Bordas em Imagens utilizando Grafos, Descrição: Delinear bordas de objetos em imagens é fundamental no contexto de diversas áreas de conhecimento, incluindo medicina e sensoriamento remoto. A segmentação de órgãos e tecidos do cérebro humano, por exemplo, consiste em um passo necessário para o estudo da origem, diagnóstico e tratamento de doenças tais como mal de Alzheimer e esquizofrenia. Já a classificação de tipos de terrenos auxilia na prevenção de desmatamentos e a medição de nı́veis de água na emissão de alertas de enchentes ou secas. Apesar disso, as ferramentas automáticas e semiautomáticas de delineamento de bordas existentes ainda possuem enormes deficiências ao lidar com descontinuidades, ruı́dos, variação de cor, intensidade e textura. Este projeto tem como objetivo estudar alternativas para as atuais metodologias de delineamento de bordas utilizando grafos a saber: live-wire, riverbed e lazywalk. Serão estudados mecanismos para aprimorar a interação com o usuário em ferramentas semiautomáticas de delineamento bi e tridimensionais, a escolha de funções para geração de pesos de arestas, a seleção de funções de propagação de caminhos em grafos e técnicas de aprendizado supervisionado para que em cada aplicação especı́fica consiga-se identificar as bordas mais relevantes com menor esforço e acurácia... , Situação: Concluído; Natureza: Pesquisa. , Alunos envolvidos: Graduação: (2) / Mestrado acadêmico: (1) . , Integrantes: Fabio Augusto Faria - Integrante / Alexandre X. Falcão - Integrante / Jurandy Gomes de Almeida Junior - Integrante / Fábio Augusto Menocci Cappabianco - Coordenador / Jaime Shinsuke Ide - Integrante / Jayaram K. Udupa - Integrante / Marcos de Sales Guerra Tsuzuki - Integrante / Paulo Andre Vechiatto de Miranda - Integrante / CLARISSA LIN YASUDA - Integrante., Financiador(es): Fundação de Amparo à Pesquisa do Estado de São Paulo - Auxílio financeiro.

• 2017 - 2019

  Desenvolvendo e Disseminando Métodos e Ferramentas Para a Análise Forense de Documentos Digitais, Projeto certificado pelo(a) coordenador(a) Tiago José de Carvalho em 28/07/2018., Descrição: A Computação Forense, especificamente a Análise Forense de Documentos Digitais (AFD), trata da subárea da Ciência da Computação que desenvolve métodos e ferramentas utilizados na análise e validação de documentos digitais, em especial vídeos, imagens, textos e áudios. Tais métodos são de vital importância para órgãos como a Polícia Federal e o Poder Judiciário, dado que cada vez mais estes tipos de mídias são apresentados como provas e indícios em diversos tipos de investigações policiais. Ao mesmo tempo, muita pesquisa e desenvolvimento na área de AFD tem sido feita na academia e publicada em veículos científicos mas que não chega ao estágio de estar disponível para o profissional de investigação, necessitando de um considerável esforço para levar a técnica do texto científico ao dia-a-dia do profissional de investigação policial. Este projeto tem como objetivo o desenvolvimento de um software a partir do levantamento, comparação e aperfeiçoamento de métodos da literatura para tratar os problemas da AFD, tais como, a identificação de falsificações em fotos, a detecção de imagens de pessoas geradas por computador e a identificação de tentativas de ataques em sistemas biométricos. Utilizando técnicas avançadas de Processamento de Imagens, Aprendizado de Máquina e Reconhecimento de Padrões (incluindo o "Aprendizado Profundo" -- Deep Learning), este projeto tem como objetivo melhorar e disponibilizar técnicas da literatura de AFD. Como resultado final esperado para este projeto, pretendemos produzir uma ferramenta (software) para disseminar e simplificar a operacionalização de técnicas AFD pelos setores e órgãos interessados. , Situação: Concluído; Natureza: Pesquisa. , Alunos envolvidos: Graduação: (3) . , Integrantes: Fabio Augusto Faria - Integrante / Tiago J. de Carvalho - Coordenador / Anderson Rocha - Integrante / Hélio pedrini - Integrante / Andreiwid Sheffer Corrêa - Integrante / Antônio Carlos Theóphilo Costa Júnior - Integrante / Danillo Roberto Pereira - Integrante., Financiador(es): Fundação de Amparo à Pesquisa do Estado de São Paulo - Auxílio financeiro.

• 2017 - 2019

  Computação Aplicada ao Desenvolvimento de Métodos e Ferramentas para a Análise Forense de Documentos Digitais Utilizando Características de Iluminação, Projeto certificado pelo(a) coordenador(a) Tiago José de Carvalho em 05/02/2019., Descrição: O aumento no número de dispositivos utilizados para a captura de imagens e vídeos faz crescer a cada dia o nu ́mero de documentos digitais (fotos e vídeos) presentes no nosso cotidiano. Seguindo essa tendência, também tornam-se cada vez mais comuns as ferramentas para manipulação deste tipo de documento, tornando mais simples a tarefa de produzir alterações principalmente em imagens. O termo ?alteração?, empregado para caracterizar alguma modificação realizada, pode se estender desde uma simples correção de brilho em uma foto cotidiana (o que pode ser considerado uma adulteração inocente) at ́e a produção de fotos de uma cena que nunca existiu, com o intuito de denegrir a imagem ou, até mesmo, incriminar um indivíuo. Dentre os tipos mais comuns de adulterações visando enganar o observador, podemos destacar a operação de composição (splicing), que consiste na composição de uma imagem utilizando partes do conteúdo de outras. Para combater tais atitudes, a comunidade forense vem aumentando seus esforços para desenvolver métodos eficientes e eficazes, capazes de identificar diferentes tipos de adulteração, seja ela inocente ou não. Para isso, há diversos tipos de propriedades que podem ser investigadas tais como propriedades de compressão, de ruído e de iluminação. Neste contexto, este projeto de pesquisa visa contribuir com a comunidade forense em diversos aspectos, seja na proposição de novas metodologias para a identificação de falsificações, seja na construção de ferramentas a serem disponibilizadas para a análise de evidências. Em especial, o projeto ́e focado na exploração de propriedades de iluminação de diferentes formas para identificar composições e na transformação de tais ferramentas em produtos tecnol ́ogicos a serem incorporados ao Sistema Integrado de Análise Forense (SInAFI) da Polícia Federal. , Situação: Concluído; Natureza: Pesquisa. , Alunos envolvidos: Graduação: (5) / Doutorado: (1) . , Integrantes: Fabio Augusto Faria - Integrante / Thiago Spina - Integrante / Tiago J. de Carvalho - Coordenador / Anderson Rocha - Integrante / Hélio pedrini - Integrante / Andreiwid Sheffer Corrêa - Integrante / Antônio Carlos Theóphilo Costa Júnior - Integrante / Manuel M. Oliveira - Integrante.

• 2016 - Atual

  ForestEyes Project: Citizens can help to stop the Amazon Deforestation!, Descrição: Rainforests play an important role in the global ecosystem. However, significant regions of them are facing deforestation and degradation due to several reasons. Diverse government and private initiatives were created to monitor and alert for deforestation increases from remote sensing images, using different ways to deal with the notable amount of generated data. Citizen Science projects can also be used to reach the same goal. Citizen Science consists of scientific research involving nonprofessional volunteers for analyzing, collecting data, and using their computational resources to outcome advancements in science and to increase the public's understanding of problems in specific knowledge areas such as astronomy, chemistry, mathematics, and physics. In this sense, this work presents a Citizen Science project called ForestEyes, which uses volunteer's answers through the analysis and classification of remote sensing images to monitor deforestation regions in rainforests. To evaluate the quality of those answers, different campaigns/workflows were launched using remote sensing images from Brazilian Legal Amazon and their results were compared to an official groundtruth from the Amazon Deforestation Monitoring Project PRODES. In this work, the first two workflows that enclose the State of Rondônia (Amazon Forest) in the years 2013 and 2016 received more than 35,000 answers from 383 volunteers in the 2,050 created tasks in only two and a half weeks after their launch. For the other four workflows, even enclosing the same area (Rondônia) and different setups (e.g., image segmentation method, image resolution, and detection target), they received 51,035 volunteers' answers gathered from 281 volunteers in 3,358 tasks. In the performed experiments, it was possible to observe that the volunteers achieved satisfactory overall accuracy in the classification of forestation and non-forestation areas using the ForestEyes project. Furthermore, considering an efficient segmentation and a better image resolution, they can achieve outstanding effectiveness results in the classification task of recent deforestation images. Therefore, these results show that Citizen Science might be a powerful tool in monitoring deforestation regions in rainforests as well as in obtaining high-quality labeled data.. , Situação: Em andamento; Natureza: Pesquisa. , Alunos envolvidos: Graduação: (3) / Doutorado: (1) . , Integrantes: Fabio Augusto Faria - Coordenador / Fernanda B.J.R. Dallaqua - Integrante / Alvaro L. Fazenda - Integrante / Hugo Resende - Integrante / Amanda de Almeida Sales de Oliveira - Integrante / Marília Lislaine Alves Silva - Integrante / Eduardo Bouhid Neto - Integrante., Financiador(es): Laboratório Nacional de Computação Científica - Cooperação.

• 2014 - 2016

  Combining new technologies to monitor phenology from leaves to ecosystems, Projeto certificado pelo(a) coordenador(a) Leonor Patricia Cerdeira Morellato em 18/03/2016., Descrição: The e-phenology is a multidisciplinary project that explores innovative solutions for plant monitoring in the tropics, combining research in Computer Science, Phenology, and Ecology. On-the-ground phenological observations preclude large areas of study and are laborious and time consuming. Near-surface remote phenology with digital cameras is still area-limited but reduces considerably manpower. Furthermore, it has proven to be an important tool for monitoring several species and accurately accessing leaf changes. In this project, we aim to apply new technologies to enhance the capabilities of near-surface remote phenological observation to detect changes on various scales, from leaves to ecosystems. Our goal is to address theoretical and practical problems involving the combination of two remote phenology monitoring systems: digital and hyperspectral cameras at three scales: on-the-ground, phenology tower, and near-space using Unmanned Aerial Vehicle (UAV). It is geared towards four innovative objectives: (a) to develop a protocol for extracting spectral data from the RGB color channels, improving the information that can be derived from low-cost digital monitoring systems; (b) to apply those technologies to extract plant ecophysiological data advancing our knowledge of plant seasonal responses to environmental drivers in the tropics to climate change; (c) to develop near-surface monitoring system for reproductive phenophases i.e., flowering and fruiting, based on digital and hyperspectral images truth-grounded by species-specific spectral data; and (d) to advance and to apply novel database, image processing, machine learning, and visualization models, methods, and algorithms to support acquisition, management, integration, and analysis of phenology data systems from various scales. The research team is composed of Computer Scientists and researchers in Plant Ecology and Phenology... , Situação: Concluído; Natureza: Pesquisa. , Alunos envolvidos: Graduação: (2) / Especialização: (1) / Mestrado acadêmico: (2) / Doutorado: (5) . , Integrantes: Fabio Augusto Faria - Integrante / Jefersson Alex dos Santos - Integrante / Jurandy Gomes de Almeida Junior - Integrante / Leonor Patrícia Cerdeira Morellato - Coordenador / Greice Cristina Mariano - Integrante.

• 2007 - 2010

  Bio-CORE -Biodiversity and COmputing Research, Descrição: O objetivo do BIO-CORE (BIOdiversity and COmputing REsearch) é especificar e desenvolver ferramentas computacionais que permitam aos cientistas deste domínio gerenciar e compartilhar seus dados, auxiliando-os na construcao de modelos complexos e na análise e modelagem de ecossistemas, incluindo a descoberta de novos relacionamentos e interacoes entre espécies. O projeto se encaixa nos desafios 1 (gerenciamento de grandes volumes de dados) e 2 (modelos complexos). Participam pesquisadores da UNICAMP e da USP, em Computacao e Biologia. , Situação: Concluído; Natureza: Pesquisa. , Integrantes: Fabio Augusto Faria - Integrante / Ricardo da Silva Torres - Integrante / Cecília Mary Fischer Rubira - Integrante / Claudia Maria Bauzer Medeiros - Coordenador / Thomas Michael Lewinsohn - Integrante / Paulo Inácio de Knegt López do Prado - Integrante / André Santanchè - Integrante / Eliane Martins - Integrante / André Victor Lucci Freitas - Integrante / Roberto Marcondes Cesar Jr - Integrante / Rodolfo Jardim de Azevedo - Integrante / Antonia Cecilia Zacagnini Amaral - Integrante / Alexandre Xavier Falcão - Integrante.

Projetos de desenvolvimento

• 2015 - Atual

  Cadastro de ativos em redes compartilhadas via Visão Computacional, Descrição: Projeto referente ao termo de cooperação entre a UNIFESP e a Empresa Matrix Engenharia em Energia LTDA.. , Situação: Em andamento; Natureza: Desenvolvimento. , Alunos envolvidos: Graduação: (3) / Mestrado acadêmico: (1) . , Integrantes: Fabio Augusto Faria - Integrante / Jurandy Gomes de Almeida Junior - Integrante / Fábio Augusto Menocci Cappabianco - Integrante / Marcos Gonçalves Quiles - Coordenador.

• 2015 - Atual

  Cadastro de ativos em redes compartilhadas via Visão Computacional, Descrição: Projeto referente ao termo de cooperação entre a UNIFESP e a Empresa Matrix Engenharia em Energia LTDA.. , Situação: Em andamento; Natureza: Desenvolvimento. , Alunos envolvidos: Graduação: (3) / Mestrado acadêmico: (1) . , Integrantes: Fabio Augusto Faria - Integrante / Jurandy Gomes de Almeida Junior - Integrante / Fábio Augusto Menocci Cappabianco - Integrante / Marcos Gonçalves Quiles - Coordenador.

• 2015 - Atual

  Cadastro de ativos em redes compartilhadas via Visão Computacional, Descrição: Projeto referente ao termo de cooperação entre a UNIFESP e a Empresa Matrix Engenharia em Energia LTDA.. , Situação: Em andamento; Natureza: Desenvolvimento. , Alunos envolvidos: Graduação: (3) / Mestrado acadêmico: (1) . , Integrantes: Fabio Augusto Faria - Integrante / Jurandy Gomes de Almeida Junior - Integrante / Fábio Augusto Menocci Cappabianco - Integrante / Marcos Gonçalves Quiles - Coordenador.

• 2015 - Atual

  Cadastro de ativos em redes compartilhadas via Visão Computacional, Descrição: Projeto referente ao termo de cooperação entre a UNIFESP e a Empresa Matrix Engenharia em Energia LTDA.. , Situação: Em andamento; Natureza: Desenvolvimento. , Alunos envolvidos: Graduação: (3) / Mestrado acadêmico: (1) . , Integrantes: Fabio Augusto Faria - Integrante / Jurandy Gomes de Almeida Junior - Integrante / Fábio Augusto Menocci Cappabianco - Integrante / Marcos Gonçalves Quiles - Coordenador.

• 2015 - Atual

  Cadastro de ativos em redes compartilhadas via Visão Computacional, Descrição: Projeto referente ao termo de cooperação entre a UNIFESP e a Empresa Matrix Engenharia em Energia LTDA.. , Situação: Em andamento; Natureza: Desenvolvimento. , Alunos envolvidos: Graduação: (3) / Mestrado acadêmico: (1) . , Integrantes: Fabio Augusto Faria - Integrante / Jurandy Gomes de Almeida Junior - Integrante / Fábio Augusto Menocci Cappabianco - Integrante / Marcos Gonçalves Quiles - Coordenador.

• 2015 - Atual

  Cadastro de ativos em redes compartilhadas via Visão Computacional, Descrição: Projeto referente ao termo de cooperação entre a UNIFESP e a Empresa Matrix Engenharia em Energia LTDA.. , Situação: Em andamento; Natureza: Desenvolvimento. , Alunos envolvidos: Graduação: (3) / Mestrado acadêmico: (1) . , Integrantes: Fabio Augusto Faria - Integrante / Jurandy Gomes de Almeida Junior - Integrante / Fábio Augusto Menocci Cappabianco - Integrante / Marcos Gonçalves Quiles - Coordenador.

• 2015 - Atual

  Cadastro de ativos em redes compartilhadas via Visão Computacional, Descrição: Projeto referente ao termo de cooperação entre a UNIFESP e a Empresa Matrix Engenharia em Energia LTDA.. , Situação: Em andamento; Natureza: Desenvolvimento. , Alunos envolvidos: Graduação: (3) / Mestrado acadêmico: (1) . , Integrantes: Fabio Augusto Faria - Integrante / Jurandy Gomes de Almeida Junior - Integrante / Fábio Augusto Menocci Cappabianco - Integrante / Marcos Gonçalves Quiles - Coordenador.

• 2015 - Atual

  Cadastro de ativos em redes compartilhadas via Visão Computacional, Descrição: Projeto referente ao termo de cooperação entre a UNIFESP e a Empresa Matrix Engenharia em Energia LTDA.. , Situação: Em andamento; Natureza: Desenvolvimento. , Alunos envolvidos: Graduação: (3) / Mestrado acadêmico: (1) . , Integrantes: Fabio Augusto Faria - Integrante / Jurandy Gomes de Almeida Junior - Integrante / Fábio Augusto Menocci Cappabianco - Integrante / Marcos Gonçalves Quiles - Coordenador.

• 2015 - Atual

  Cadastro de ativos em redes compartilhadas via Visão Computacional, Descrição: Projeto referente ao termo de cooperação entre a UNIFESP e a Empresa Matrix Engenharia em Energia LTDA.. , Situação: Em andamento; Natureza: Desenvolvimento. , Alunos envolvidos: Graduação: (3) / Mestrado acadêmico: (1) . , Integrantes: Fabio Augusto Faria - Integrante / Jurandy Gomes de Almeida Junior - Integrante / Fábio Augusto Menocci Cappabianco - Integrante / Marcos Gonçalves Quiles - Coordenador.

• 2015 - 2019

  Cadastro de ativos em redes compartilhadas via Visão Computacional, Descrição: Projeto referente ao termo de cooperação entre a UNIFESP e a Empresa Matrix Engenharia em Energia LTDA.. , Situação: Concluído; Natureza: Desenvolvimento. , Alunos envolvidos: Graduação: (3) / Mestrado acadêmico: (1) . , Integrantes: Fabio Augusto Faria - Integrante / Jurandy Gomes de Almeida Junior - Integrante / Fábio Augusto Menocci Cappabianco - Integrante / Marcos Gonçalves Quiles - Coordenador.

• 2015 - 2019

  Cadastro de ativos em redes compartilhadas via Visão Computacional, Descrição: Projeto referente ao termo de cooperação entre a UNIFESP e a Empresa Matrix Engenharia em Energia LTDA.. , Situação: Concluído; Natureza: Desenvolvimento. , Alunos envolvidos: Graduação: (3) / Mestrado acadêmico: (1) . , Integrantes: Fabio Augusto Faria - Integrante / Jurandy Gomes de Almeida Junior - Integrante / Fábio Augusto Menocci Cappabianco - Integrante / Marcos Gonçalves Quiles - Coordenador.

Prêmios