INESC TEC
INESC TEC
INESC TEC
Resultados da pesquisa para:
Filtrar os seus resultados

0 Resultados

Jaime Cardoso

Jaime Cardoso

Investigador Coordenador

Jaime S. Cardoso, licenciado em Engenharia e Eletrotécnica e de Computadores em 1999, Mestre em Engenharia Matemática em 2005 e doutorado em Visão Computacional em 2006, todos pela Universidade do Porto. Professor Associado com agregação na Faculdade de Engenharia da Universidade do Porto (FEUP) e Investigador Sénior em 'Information Processing and Pattern Recognition' no Centro de Telecomunicações e Multimédia do INESC TEC.

A sua investigação assenta em três grandes domínios: visão computacional, "machine learning" e sistemas de suporte à decisão. A investigação em processamento de imagem e vídeo tem abordado a área de biometria, imagem médica e "video tracking" para aplicações de vigilância e desportos. O trabalho em "machine learning" foca-se na adaptação de sistemas de aprendizagem às condições desafiantes de informação visual. A ênfase dos sistemas de suporte à decisão tem sido dirigida a aplicações médicas, sempre ancoradas com a análise automática de informação visual.

É co-autor de mais de 150 artigos, dos quais mais de 50 em jornais internacionais, com mais de 6500 citações (google scholar). Foi investigador principal em 6 projectos de I&D e participou em 14 projectos de I&D, incluindo 5 projectos europeus e um contrato directo com a BBC do Reino Unido.

Projetos

Publicações

Reproducing Asymmetries Caused by Breast Cancer Treatment in Pre-Operative Breast Images

Freitas, N;Montenegro, H;Cardoso, MJ;Cardoso, JS;

2024

IEEE International Symposium on Biomedical Imaging, ISBI 2024, Athens, Greece, May 27-30, 2024

On the Suitability of B-cos Networks for the Medical Domain

Torto, IR;Gonçalves, T;Cardoso, JS;Teixeira, LF;

2024

IEEE International Symposium on Biomedical Imaging, ISBI 2024, Athens, Greece, May 27-30, 2024

Space Imaging Point Source Detection and Characterization

Ribeiro, FSF;Garcia, PJV;Silva, M;Cardoso, JS;

2024

IEEE ACCESS

Phasing segmented telescopes via deep learning methods: application to a deployable CubeSat

Dumont, M;Correia, CM;Sauvage, JF;Schwartz, N;Gray, M;Cardoso, J;

2024

JOURNAL OF THE OPTICAL SOCIETY OF AMERICA A-OPTICS IMAGE SCIENCE AND VISION

Ver todas as publicações

Teses Orientadas

Monitoring Greenhouses with Satellite Images and Machine Learning

Pedro Miguel Pereira Cardoso

M - 2022

UP-FCUP

Information and Contacts