Busca avançada
Ano de início
Entree
Conteúdo relacionado

Ranking de imagens multi-instâncias para recuperação de imagens baseada em rascunhos

Processo: 15/26050-0
Modalidade de apoio:Bolsas no Exterior - Estágio de Pesquisa - Iniciação Científica
Data de Início da vigência: 01 de março de 2016
Data de Término da vigência: 30 de junho de 2016
Área de conhecimento:Ciências Exatas e da Terra - Ciência da Computação - Metodologia e Técnicas da Computação
Pesquisador responsável:Moacir Antonelli Ponti
Beneficiário:Leo Sampaio Ferraz Ribeiro
Supervisor: John Collomosse
Instituição Sede: Instituto de Ciências Matemáticas e de Computação (ICMC). Universidade de São Paulo (USP). São Carlos , SP, Brasil
Instituição Anfitriã: University of Surrey, Inglaterra  
Vinculado à bolsa:14/14557-0 - Segmentação e extração de características de imagens por regiões para criação de cenários de aprendizado multi-instância, BP.IC
Assunto(s):Aprendizado computacional   Visão computacional   Processamento de imagens   Recuperação de imagens
Palavra(s)-Chave do Pesquisador:Aprendizado de Máquina | Extração de características | Ranking de Imagens | Recuperação de Imagens Baseada em Rascunhos | Visão Computacional | Processamento de Imagens

Resumo

Existem problemas de classificação de imagens em que cada imagem possui regiões de interesse e para cada região uma uma série de características é extraida. Como resultado temos disponível um conjunto de vetor de características, sendo preciso atribuir um rótulo a um conjunto de instâncias. O Aprendizado Multi-Instâncias estuda o problema em que um objeto é descrito por um bag (conjunto de instâncias). O projeto visa o estudo de propriedades de MIL e desenvolver soluções para ranking the imagens com vistas à recuperação de imagens; mais especificamente, deseja-se investigar essa abordagem em tarefas de recuperação de imagens baseada em rascunhos. Buscamos por soluções que possam obter bons resultados por consulta, por meio da seleção de instâncias de bags (que representam cada imagem), e apresentando aquelas baseadas num ranking obtido por meio de um modelo. Assim, os aspectos mais importantes nesse projeto são: aprendizado multi-instância, extração de características por rascunhos, ranking the imagens e seleção de instancias. (AU)

Matéria(s) publicada(s) na Agência FAPESP sobre a bolsa:
Mais itensMenos itens
Matéria(s) publicada(s) em Outras Mídias ( ):
Mais itensMenos itens
VEICULO: TITULO (DATA)
VEICULO: TITULO (DATA)

Publicações científicas
(Referências obtidas automaticamente do Web of Science e do SciELO, por meio da informação sobre o financiamento pela FAPESP e o número do processo correspondente, incluída na publicação pelos autores)
BUI, T.; RIBEIRO, L.; PONTI, M.; COLLOMOSSE, J.. Compact descriptors for sketch-based image retrieval using a triplet loss convolutional neural network. COMPUTER VISION AND IMAGE UNDERSTANDING, v. 164, p. 11-pg., . (15/26050-0, 16/16111-4)
BUI, T.; RIBEIRO, L.; PONTI, M.; COLLOMOSSE, J.. Compact descriptors for sketch-based image retrieval using a triplet loss convolutional neural network. COMPUTER VISION AND IMAGE UNDERSTANDING, v. 164, n. SI, p. 27-37, . (15/26050-0, 16/16111-4)