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.)

Multimedia Retrieval Through Unsupervised Hypergraph-Based Manifold Ranking

Texto completo
Autor(es):
Guimaraes Pedronette, Daniel Carlos [1] ; Valem, Lucas Pascotti [1] ; Almeida, Jurandy [2] ; Tones, Ricardo da S. [3]
Número total de Autores: 4
Afiliação do(s) autor(es):
[1] State Univ Sao Paulo, Dept Stat Appl Maths & Comp, BR-13506900 Rio Claro - Brazil
[2] Univ Fed Sao Paulo, Inst Sci & Technol, BR-12231280 Sao Jose Dos Campos - Brazil
[3] Univ Estadual Campinas, Inst Comp, RECOD Lab, BR-13083852 Campinas, SP - Brazil
Número total de Afiliações: 3
Tipo de documento: Artigo Científico
Fonte: IEEE Transactions on Image Processing; v. 28, n. 12, p. 5824-5838, DEC 2019.
Citações Web of Science: 0
Resumo

Accurately ranking images and multimedia objects are of paramount relevance in many retrieval and learning tasks. Manifold learning methods have been investigated for ranking mainly due to their capacity of taking into account the intrinsic global manifold structure. In this paper, a novel manifold ranking algorithm is proposed based on the hypergraphs for unsupervised multimedia retrieval tasks. Different from traditional graph-based approaches, which represent only pairwise relationships, hypergraphs are capable of modeling similarity relationships among a set of objects. The proposed approach uses the hyperedges for constructing a contextual representation of data samples and exploits the encoded information for deriving a more effective similarity function. An extensive experimental evaluation was conducted on nine public datasets including diverse retrieval scenarios and multimedia content. Experimental results demonstrate that high effectiveness gains can be obtained in comparison with the state-of-the-art methods. (AU)

Processo FAPESP: 14/50715-9 - Characterizing and predicting biomass production in sugarcane and eucalyptus plantations in Brazil
Beneficiário:Rubens Augusto Camargo Lamparelli
Linha de fomento: Auxílio à Pesquisa - Parceria para Inovação Tecnológica - PITE
Processo FAPESP: 16/50250-1 - O segredo de jogar futebol: Brasil versus Holanda
Beneficiário:Claudio Alexandre Gobatto
Linha de fomento: Auxílio à Pesquisa - Temático
Processo FAPESP: 17/25908-6 - Aprendizado fracamente supervisionado para análise de vídeos no domínio comprimido em tarefas de recuperação e classificação para alertas visuais
Beneficiário:João Paulo Papa
Linha de fomento: Auxílio à Pesquisa - Parceria para Inovação Tecnológica - PITE
Processo FAPESP: 17/20945-0 - EMU concedido no processo 16/50250-1: local positioning system
Beneficiário:Ricardo da Silva Torres
Linha de fomento: Auxílio à Pesquisa - Programa Equipamentos Multiusuários
Processo FAPESP: 14/12236-1 - AnImaLS: Anotação de Imagem em Larga Escala: o que máquinas e especialistas podem aprender interagindo?
Beneficiário:Alexandre Xavier Falcão
Linha de fomento: Auxílio à Pesquisa - Temático
Processo FAPESP: 16/06441-7 - Recuperação de informação semântica em grandes bases de vídeos
Beneficiário:Jurandy Gomes de Almeida Junior
Linha de fomento: Auxílio à Pesquisa - Regular
Processo FAPESP: 18/15597-6 - Aplicação e investigação de métodos de aprendizado não-supervisionado em tarefas de recuperação e classificação
Beneficiário:Daniel Carlos Guimarães Pedronette
Linha de fomento: Auxílio à Pesquisa - Apoio a Jovens Pesquisadores - Fase 2
Processo FAPESP: 13/50155-0 - Combining new technologies to monitor phenology from leaves to ecosystems
Beneficiário:Leonor Patricia Cerdeira Morellato
Linha de fomento: Auxílio à Pesquisa - Programa de Pesquisa sobre Mudanças Climáticas Globais - PITE
Processo FAPESP: 17/02091-4 - Seleção e combinação de métodos de aprendizado não supervisionado para recuperação de imagens por conteúdo
Beneficiário:Lucas Pascotti Valem
Linha de fomento: Bolsas no Brasil - Mestrado
Processo FAPESP: 15/24494-8 - Comunicação e processamento de big data em nuvens e névoas computacionais
Beneficiário:Nelson Luis Saldanha da Fonseca
Linha de fomento: Auxílio à Pesquisa - Temático