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.)

Randomized neural network based signature for dynamic texture classification

Texto completo
Autor(es):
de Mesquita Sa Junior, Jarbas Joaci [1] ; Ribas, Lucas Correia [2] ; Bruno, Odemir Martinez [3]
Número total de Autores: 3
Afiliação do(s) autor(es):
[1] Univ Fed Ceara, Programa Posgrad Engn Eletr & Comp, Curso Engn Computacao, Campus Sobral, Rua Coronet Estanislau Frota 563, BR-62010560 Sobral, Ceara - Brazil
[2] Univ Sao Paulo, Inst Math & Comp Sci, Ave Trabalhador Stio Carlene 400, BR-13566590 Sao Carlos, SP - Brazil
[3] Univ Sao Paulo, Sao Carlos Inst Phys, POB 369, BR-13560970 Sao Carlos, SP - Brazil
Número total de Afiliações: 3
Tipo de documento: Artigo Científico
Fonte: EXPERT SYSTEMS WITH APPLICATIONS; v. 135, p. 194-200, NOV 30 2019.
Citações Web of Science: 1
Resumo

Dynamic texture analysis has been the focus of intensive research in recent years. Thus, this paper presents an innovative and highly discriminative dynamic texture analysis method, whose signature is composed of the weights of the output layer of a randomized neural network after a training procedure. This training is performed by using the pixels of slices of each orthogonal plane of the video (XY, YT, and XT) as input feature vectors and corresponding output labels. The obtained video signature provided an accuracy of 97.05%, 98.54%, 97.74% and 96.51% on the UCLA-50 classes, UCLA-9 classes, UCLA-8 classes and Dyntex++, respectively. These results, when compared to other dynamic texture analysis methods, demonstrate that our descriptors are very effective and that our proposed approach can contribute significantly to the field of dynamic texture analysis. (C) 2019 Elsevier Ltd. All rights reserved. (AU)

Processo FAPESP: 16/23763-8 - Modelagem e análise de redes complexas para visão computacional
Beneficiário:Lucas Correia Ribas
Linha de fomento: Bolsas no Brasil - Doutorado
Processo FAPESP: 16/18809-9 - Deep learning e redes complexas aplicados em visão computacional
Beneficiário:Odemir Martinez Bruno
Linha de fomento: Auxílio à Pesquisa - Parceria para Inovação Tecnológica - PITE
Processo FAPESP: 14/08026-1 - Visão artificial e reconhecimento de padrões aplicados em plasticidade vegetal
Beneficiário:Odemir Martinez Bruno
Linha de fomento: Auxílio à Pesquisa - Regular