SEMI-SUPERVISED FEATURE EMBEDDING FOR DATA SANITIZATION IN REAL-WORLD EVENTS

Autor(es)

Lavi, Bahram ; Nascimento, Jose ; Rocha, Anderson ; IEEE

• Tipo de documento: Artigo Científico
• Fonte: 2021 IEEE INTERNATIONAL CONFERENCE ON ACOUSTICS, SPEECH AND SIGNAL PROCESSING (ICASSP 2021); v. N/A, p. 5-pg., 2021-01-01.

Resumo

With the rapid growth of data sharing through social media networks, determining relevant data items concerning a particular subject becomes paramount. We address the issue of establishing which images represent an event of interest through a semi-supervised learning technique. The method learns consistent and shared features related to an event (from a small set of examples) to propagate them to an unlabeled set. We investigate the behavior of five image feature representations considering low- and high-level features and their combinations. We evaluate the effectiveness of the feature embedding approach on five collected datasets from real-world events. (AU)

• Processo FAPESP: 17/12646-3 - Déjà vu: coerência temporal, espacial e de caracterização de dados heterogêneos para análise e interpretação de integridade
• Beneficiário: Anderson de Rezende Rocha
• Modalidade de apoio: Auxílio à Pesquisa - Temático
• Processo FAPESP: 20/02241-9 - Reconhecimento de padrões e detecção de subeventos de destaque em dados de fontes heterogêneas
• Beneficiário: José Dorivaldo Nascimento Souza Júnior
• Modalidade de apoio: Bolsas no Brasil - Doutorado Direto
• Processo FAPESP: 18/05668-3 - Coerência espaço-temporal e de características a partir de dados heterogêneos
• Beneficiário: Bahram Lavi Sefidgari
• Modalidade de apoio: Bolsas no Brasil - Pós-Doutorado