Segmentação interativa de imagens utilizando competição e cooperação entre partículas

• Processo: 16/05669-4
• Modalidade de apoio: Auxílio à Pesquisa - Regular
• Data de Início da vigência: 01 de outubro de 2016
• Data de Término da vigência: 30 de novembro de 2018
• Área do conhecimento: Ciências Exatas e da Terra - Ciência da Computação - Metodologia e Técnicas da Computação
• Pesquisador responsável: Fabricio Aparecido Breve
• Beneficiário: Fabricio Aparecido Breve
• Instituição Sede: Instituto de Geociências e Ciências Exatas (IGCE). Universidade Estadual Paulista (UNESP). Campus de Rio Claro. Rio Claro , SP, Brasil
• Assunto(s): Aprendizado computacional Segmentação de imagens Processamento de imagens Segmentação (processamento de imagem)
• Palavra(s)-Chave do Pesquisador: Aprendizado Semi-supervisionado | Competição e Cooperação Entre Partículas | segmentação de imagens | segmentação interativa de imagens | Aprendizado de Máquina

Resumo

Muitas abordagens de segmentação interativa de imagens são baseadas em aprendizado semi-supervisionado, que emprega tanto dados rotulados quanto dados não rotulados em seu processo de treinamento. Neste tipo de abordagem, um especialista humano rotula alguns pixels de cada segmento e então o algoritmo de aprendizado semi-supervisionado rotula o restante dos pixels. O modelo de competição e cooperação entre partículas é uma abordagem recente de aprendizado semi-supervisionado baseado em grafos. Ele emprega partículas caminhando em um grafo para classificar itens de dados que correspondem aos nós do grafo. Cada grupo de partículas almeja dominar a maior quantidade possível de nós não rotulados, espalhando seu rótulo e, ao mesmo tempo, tenta evitar que partículas inimigas invadam seu território. O objetivo principal deste projeto de pesquisa é adaptar o modelo de competição e cooperação entre partículas para realizar a tarefa de segmentação interativa de imagens. Cada pixel da imagem pode ser convertido em um nó do grafo e a similaridade entre pares de pixels, seja por localização ou características visuais, pode definir as arestas entre os nós correspondentes. Resultados preliminares de simulações com imagens artificiais e reais indicam que esta abordagem é bastante promissora. (AU)

Publicações científicas

(6)

(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)

PASSERINI, JEFFERSON ANTONIO RIBEIRO; BREVE, FABRICIO; GERVASI, O; MURGANTE, B; MISRA, S; GARAU, C; BLECIC, I; TANIAR, D; APDUHAN, BO; ROCHA, AMAC; et al. Complex Network Construction for Interactive Image Segmentation Using Particle Competition and Cooperation: A New Approach. COMPUTATIONAL SCIENCE AND ITS APPLICATIONS - ICCSA 2020, PT I, v. 12249, p. 16-pg., 2020-01-01. (16/05669-4)

VALEM, LUCAS PASCOTTI; PEDRONETTE, DANIEL C. G.; BREVE, FABRICIO; GUILHERME, IVAN RIZZO; IEEE. Manifold Correlation Graph for Semi-Supervised Learning. 2018 INTERNATIONAL JOINT CONFERENCE ON NEURAL NETWORKS (IJCNN), v. N/A, p. 7-pg., 2018-01-01. (16/05669-4, 13/08645-0, 17/02091-4)

GUERREIRO, LUCAS; BREVE, FABRICIO; GERVASI, O; MURGANTE, B; MISRA, S; BORRUSO, G; TORRE, CM; ROCHA, AMAC; TANIAR, D; APDUHAN, BO; et al. Analyzing and Inferring Distance Metrics on the Particle Competition and Cooperation Algorithm. COMPUTATIONAL SCIENCE AND ITS APPLICATIONS - ICCSA 2017, PT VI, v. 10409, p. 9-pg., 2017-01-01. (16/05669-4)

BREVE, FABRICIO. Interactive image segmentation using label propagation through complex networks. EXPERT SYSTEMS WITH APPLICATIONS, v. 123, p. 18-33, JUN 1 2019. (16/05669-4)

BREVE, FABRICIO; FISCHER, CARLOS N.; IEEE. Visually Impaired Aid using Convolutional Neural Networks, Transfer Learning, and Particle Competition and Cooperation. 2020 INTERNATIONAL JOINT CONFERENCE ON NEURAL NETWORKS (IJCNN), v. N/A, p. 8-pg., 2020-01-01. (16/05669-4)

BREVE, FABRICIO; GERVASI, O; MURGANTE, B; MISRA, S; BORRUSO, G; TORRE, CM; ROCHA, AMAC; TANIAR, D; APDUHAN, BO; STANKOVA, E; et al. Building Networks for Image Segmentation Using Particle Competition and Cooperation. COMPUTATIONAL SCIENCE AND ITS APPLICATIONS - ICCSA 2017, PT I, v. 10404, p. 15-pg., 2017-01-01. (16/05669-4)