Busca avançada
Ano de início
Entree

Reclassificação e agregação de listas para tarefas de recuperação de imagens

Resumo

Sistemas de Recuperação de Imagens Baseados no Conteúdo (Content-Based Image Retrieval - CBIR) tem como principal objetivo recuperar imagens similares em uma coleção considerando propriedades visuais das imagens. Os usuários estão interessados nas imagens retornadas nas primeiras posições das listas de resultados, que são usualmente as mais relevantes. Portanto, classificar as imagens da coleção de maneira eficaz é de suma importância. Entretanto, em geral, os sistemas CBIR realizam apenas comparações de imagens par-a-par, isto é, calculam medidas de similaridade (ou distância) considerando apenas pares de imagens, ignorando as informações codificadas nos relacionamentos entre as imagens. Com o objetivo de aumentar a eficácia dos sistemas de CBIR, foram propostos métodos de reclassificação (re-ranking) e agregação (rank aggregation) de listas. Os métodos de reclassificação têm sido usados para explorar a informação contextual codificada nos relacionamentos entre as imagens, enquanto abordagens de agregação de listas têm sido usadas para combinar resultados produzidos por diferentes descritores de imagens. Na pesquisa desenvolvida pelo pesquisador responsável durante seu doutorado, vários métodos de reclassificação e agregação de listas foram propostos com o objetivo de aumentar a eficácia de sistemas de CBIR. Resultados experimentais demonstraram a eficácia das abordagens propostas em comparação com outros métodos recentemente propostos na literatura. Contudo, os importantes resultados obtidos levaram a novos desafios de pesquisa. O objetivo desse projeto de pesquisa é investigar os métodos de reclassificação e agregação de listas sob diversos aspectos, abordando os desafios de pesquisa ainda em aberto. Importantes aspectos a serem investigados estão relacionados a escalabilidade e eficiência dos algoritmos usando computação paralela e ambientes computacionais heterogêneos. Outro aspecto relevante consiste na especificação e implementação de novos métodos de reclassificação com aplicações em diferentes cenários, como recuperação textual e multimodal, realimentação de relevância e recuperação colaborativa de imagens. (AU)

Matéria(s) publicada(s) na Agência FAPESP sobre o auxílio:
Matéria(s) publicada(s) em Outras Mídias (0 total):
Mais itensMenos itens
VEICULO: TITULO (DATA)
VEICULO: TITULO (DATA)

Publicações científicas (18)
(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)
GUIMARAES PEDRONETTE, DANIEL CARLOS; WENG, YING; BALDASSIN, ALEXANDRO; HOU, CHAOHUAN. Semi-supervised and active learning through Manifold Reciprocal kNN Graph for image retrieval. Neurocomputing, v. 340, p. 19-31, . (17/25908-6, 13/08645-0)
PISANI, FLAVIA; PEDRONETTE, DANIEL C. G.; TORRES, RICARDO DA S.; BORIN, EDSON. Contextual Spaces Re-Ranking: accelerating the Re-sort Ranked Lists step on heterogeneous systems. CONCURRENCY AND COMPUTATION-PRACTICE & EXPERIENCE, v. 29, n. 22, SI, . (13/08645-0)
GUIMARAES PEDRONETTE, DANIEL CARLOS; TORRES, RICARDO DA S.. Combining re-ranking and rank aggregation methods for image retrieval. MULTIMEDIA TOOLS AND APPLICATIONS, v. 75, n. 15, p. 9121-9144, . (13/08645-0)
VALEM, LUCAS PASCOTTI; GUIMARAES PEDRONETTE, DANIEL CARLOS; ALMEIDA, JURANDY. Unsupervised similarity learning through Cartesian product of ranking references. PATTERN RECOGNITION LETTERS, v. 114, n. SI, p. 41-52, . (14/04220-8, 17/02091-4, 16/06441-7, 13/08645-0)
PISANI, FLAVIA; PASCOTTI VALEM, LUCAS; GUIMARAES PEDRONETTE, DANIEL CARLOS; DA S. TORRES, RICARDO; BORIN, EDSON; BRETERNITZ, MAURICIO. A unified model for accelerating unsupervised iterative re-ranking algorithms. CONCURRENCY AND COMPUTATION-PRACTICE & EXPERIENCE, v. 32, n. 14, . (14/50715-9, 13/50169-1, 14/12236-1, 13/08645-0, 13/50155-0, 15/24494-8)
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 JOURNAL OF SELECTED TOPICS IN APPLIED EARTH OBSERVATIONS AND REMOTE SENSING, v. 7, n. 4, p. 1103-1115, . (12/18768-0, 13/08645-0, 10/05647-4, 10/14910-0)
PAPA, JOAO P.; ROSA, GUSTAVO H.; DE SOUZA, ANDRE N.; AFONSO, LUIS C. S.. Feature selection through binary brain storm optimization. COMPUTERS & ELECTRICAL ENGINEERING, v. 72, p. 468-481, . (17/02286-0, 13/07375-0, 14/12236-1, 16/19403-6, 17/22905-6, 13/08645-0)
GUIMARAES PEDRONETTE, DANIEL CARLOS; FERNANDES GONCALVES, FILIPE MARCEL; GUILHERME, IVAN RIZZO. Unsupervised manifold learning through reciprocal kNN graph and Connected Components for image retrieval tasks. PATTERN RECOGNITION, v. 75, n. SI, p. 161-174, . (13/08645-0)
VALEM, LUCAS PASCOTTI; DE OLIVEIRA, CARLOS RENAN; GUIMARAES PEDRONETTE, DANIEL CARLOS; ALMEIDA, JURANDY. Unsupervised Similarity Learning through Rank Correlation and kNN Sets. ACM Transactions on Multimedia Computing Communications and Applications, v. 14, n. 4, . (17/25908-6, 17/02091-4, 16/06441-7, 13/08645-0)
VALEM, LUCAS PASCOTTI; GUIMARAES PEDRONETTE, DANIEL CARLOS. Graph -based selective rank fusion for unsupervised image retrieval. PATTERN RECOGNITION LETTERS, v. 135, p. 82-89, . (17/25908-6, 13/08645-0, 17/02091-4, 18/15597-6)
BALDASSIN, ALEXANDRO; WENG, YING; GUIMARAES PEDRONETTE, DANIEL CARLOS; ALMEIDA, JURANDY. An optimized unsupervised manifold learning algorithm for manycore architectures. INFORMATION SCIENCES, v. 496, p. 410-430, . (16/06441-7, 13/08645-0)
GUIMARAES PEDRONETTE, DANIEL CARLOS; CALUMBY, RODRIGO T.; TORRES, RICARDO DA S.. A semi-supervised learning algorithm for relevance feedback and collaborative image retrieval. EURASIP JOURNAL ON IMAGE AND VIDEO PROCESSING, . (13/50169-1, 13/08645-0)
GUIMARAES PEDRONETTE, DANIEL CARLOS; TORRES, RICARDO DA S.. Unsupervised rank diffusion for content-based image retrieval. Neurocomputing, v. 260, p. 478-489, . (13/50155-0, 13/08645-0, 13/50169-1)
GUIMARAES PEDRONETTE, DANIEL CARLOS; TORRES, RICARDO DA S.. A correlation graph approach for unsupervised manifold learning in image retrieval tasks. Neurocomputing, v. 208, n. SI, p. 66-79, . (13/50169-1, 13/08645-0)
ALMEIDA, JURANDY; PEDRONETTE, DANIEL C. G.; ALBERTON, BRUNA C.; MORELLATO, LEONOR PATRICIA C.; TORRES, RICARDO DA S.. Unsupervised Distance Learning for Plant Species Identification. IEEE JOURNAL OF SELECTED TOPICS IN APPLIED EARTH OBSERVATIONS AND REMOTE SENSING, v. 9, n. 12, 1, SI, p. 5325-5338, . (13/50169-1, 09/18438-7, 10/52113-5, 16/06441-7, 10/51307-0, 13/08645-0, 14/00215-0, 13/50155-0)
GUIMARAES PEDRONETTE, DANIEL CARLOS; ALMEIDA, JURANDY; TORRES, RICARDO DA S.. A graph-based ranked-list model for unsupervised distance learning on shape retrieval. PATTERN RECOGNITION LETTERS, v. 83, n. 3, p. 357-367, . (13/50169-1, 13/08645-0)
GUIMARAES PEDRONETTE, DANIEL CARLOS; ALMEIDA, JURANDY; TORRES, RICARDO DA S.. A scalable re-ranking method for content-based image retrieval. INFORMATION SCIENCES, v. 265, p. 91-104, . (09/18438-7, 11/11171-5, 07/52015-0, 09/05951-8, 13/08645-0)
FERNANDES GONCALVES, FILIPE MARCEL; GUILHERME, IVAN RIZZO; GUIMARAES PEDRONETTE, DANIEL CARLOS. Semantic Guided Interactive Image Retrieval for plant identification. EXPERT SYSTEMS WITH APPLICATIONS, v. 91, p. 12-26, . (13/08645-0)

Por favor, reporte erros na lista de publicações científicas escrevendo para: cdi@fapesp.br.