Busca avançada
Ano de início
Entree


Kernel approximations for W-operator learning

Texto completo
Autor(es):
Montagner, Igor S. ; Hirata, Nina S. T. ; Hirata, Roberto, Jr. ; Canu, Stephane ; IEEE
Número total de Autores: 5
Tipo de documento: Artigo Científico
Fonte: 2016 29TH SIBGRAPI CONFERENCE ON GRAPHICS, PATTERNS AND IMAGES (SIBGRAPI); v. N/A, p. 8-pg., 2016-01-01.
Resumo

Designing image operators is a hard task usually tackled by specialists in image processing. An alternative approach is to use machine learning to estimate local transformations, that characterize the image operators, from pairs of input-output images. The main challenge of this approach, called W-operator learning, is estimating operators over large windows without overfitting. Current techniques require the determination of a large number of parameters to maximize the performance of the trained operators. Support Vector Machines are known for their generalization performance and their ability to estimate nonlinear decision surfaces using kernels. However, training kernelized SVMs in the dual is not feasible when the training set is large. We estimate the local transformations employing kernel approximations to train SVMs, thus with no need to compute the full Gram matrix. We also select appropriate kernels to process binary and gray level inputs. Experiments show that operators trained using kernel approximation achieve comparable results with state-of-the-art methods in 4 public datasets. (AU)

Processo FAPESP: 11/50761-2 - Modelos e métodos de e-Science para ciências da vida e agrárias
Beneficiário:Roberto Marcondes Cesar Junior
Modalidade de apoio: Auxílio à Pesquisa - Temático
Processo FAPESP: 15/01587-0 - Armazenagem, modelagem e análise de sistemas dinâmicos para aplicações em e-Science
Beneficiário:João Eduardo Ferreira
Modalidade de apoio: Auxílio à Pesquisa - Programa eScience e Data Science - Temático
Processo FAPESP: 11/23310-0 - Projeto automático de operadores de imagens: extensão e contextualização para reticulados não necessariamente booleanos
Beneficiário:Igor dos Santos Montagner
Modalidade de apoio: Bolsas no Brasil - Doutorado Direto
Processo FAPESP: 14/21692-0 - Explorando representações de alto nível em aprendizado automático de operadores
Beneficiário:Igor dos Santos Montagner
Modalidade de apoio: Bolsas no Exterior - Estágio de Pesquisa - Doutorado Direto
Processo FAPESP: 15/17741-9 - Combinação de características locais e globais em aprendizagem de operadores de imagens
Beneficiário:Nina Sumiko Tomita Hirata
Modalidade de apoio: Auxílio à Pesquisa - Regular