Busca avançada
Ano de início
Entree
(Referência obtida automaticamente do Web of Science, por meio da informação sobre o financiamento pela FAPESP e o número do processo correspondente, incluída na publicação pelos autores.)

Fine-Tuning Contextual-Based Optimum-Path Forest for Land-Cover Classification

Texto completo
Autor(es):
Osaku, Daniel [1] ; Pereira, Danillo R. [2] ; Levada, Alexandre L. M. [1] ; Papa, Joao P. [2]
Número total de Autores: 4
Afiliação do(s) autor(es):
[1] Univ Fed Sao Carlos, Dept Comp Sci, BR-13565905 Sao Carlos, SP - Brazil
[2] Sao Paulo State Univ, Dept Comp, BR-01049010 Sao Paulo - Brazil
Número total de Afiliações: 2
Tipo de documento: Artigo Científico
Fonte: IEEE Geoscience and Remote Sensing Letters; v. 13, n. 5, p. 735-739, MAY 2016.
Citações Web of Science: 1
Resumo

Contextual-based learning aims at considering neighboring pixels to improve pixelwise-oriented classification techniques. In this letter, we presented a metaheuristic framework for the optimization of nondiscrete Markovian models considering the optimum-path forest (OPF) classifier, and we proposed a post-processing procedure to avoid overcorrection over high-frequency regions. The proposed approach outperformed previous results obtained with standard OPF in satellite imagery. (AU)

Processo FAPESP: 14/16250-9 - Sobre a otimização de parâmetros em técnicas de aprendizado de máquina: avanços e paradigmas
Beneficiário:João Paulo Papa
Linha de fomento: Auxílio à Pesquisa - Regular
Processo FAPESP: 12/06472-9 - Explorando abordagens de classificação contextual para Floresta de Caminhos Ótimos
Beneficiário:Daniel Osaku
Linha de fomento: Bolsas no Brasil - Doutorado
Processo FAPESP: 13/20387-7 - Otimização de hiperparâmetros em arquiteturas de aprendizado em profundidade
Beneficiário:João Paulo Papa
Linha de fomento: Bolsas no Exterior - Pesquisa