Busca avançada
Ano de início
Entree

Reclassificação e agregação de listas para tarefas de recuperação de imagens

Processo: 13/08645-0
Modalidade de apoio:Auxílio à Pesquisa - Jovens Pesquisadores
Vigência: 01 de fevereiro de 2014 - 31 de janeiro de 2018
Área do conhecimento:Ciências Exatas e da Terra - Ciência da Computação - Sistemas de Computação
Pesquisador responsável:Daniel Carlos Guimarães Pedronette
Beneficiário:Daniel Carlos Guimarães Pedronette
Instituição Sede: Instituto de Geociências e Ciências Exatas (IGCE). Universidade Estadual Paulista (UNESP). Campus de Rio Claro. Rio Claro , SP, Brasil
Pesquisadores associados:Denis Henrique Pinheiro Salvadeo ; Edson Borin ; Marco Antonio Garcia de Carvalho ; Ricardo da Silva Torres
Auxílios(s) vinculado(s):18/15597-6 - Aplicação e investigação de métodos de aprendizado não-supervisionado em tarefas de recuperação e classificação, AP.JP2
Bolsa(s) vinculada(s):17/02091-4 - Seleção e combinação de métodos de aprendizado não supervisionado para recuperação de imagens por conteúdo, BP.MS
16/10908-8 - Uso e avaliação de métodos de reclassificação e agregação de listas em diferentes aplicações, BP.IC
15/07934-4 - Identificação automática de locutor utilizando métodos de aprendizado não-supervisionado, BP.MS
14/04220-8 - Execução eficiente de métodos de reclassificação e agregação de listas, BP.IC
Assunto(s):Recuperação de imagens  Classificação 
Palavra(s)-Chave do Pesquisador:content-based image retrieval | rank aggregation | re-ranking | Sistemas de Recuperação de Imagens Baseados no Conteúdo

Resumo

Sistemas de Recuperação de Imagens Baseados no Conteúdo (Content-Based Image Retrieval - CBIR) tem como principal objetivo recuperar imagens similares em uma coleção considerando propriedades visuais das imagens. Os usuários estão interessados nas imagens retornadas nas primeiras posições das listas de resultados, que são usualmente as mais relevantes. Portanto, classificar as imagens da coleção de maneira eficaz é de suma importância. Entretanto, em geral, os sistemas CBIR realizam apenas comparações de imagens par-a-par, isto é, calculam medidas de similaridade (ou distância) considerando apenas pares de imagens, ignorando as informações codificadas nos relacionamentos entre as imagens. Com o objetivo de aumentar a eficácia dos sistemas de CBIR, foram propostos métodos de reclassificação (re-ranking) e agregação (rank aggregation) de listas. Os métodos de reclassificação têm sido usados para explorar a informação contextual codificada nos relacionamentos entre as imagens, enquanto abordagens de agregação de listas têm sido usadas para combinar resultados produzidos por diferentes descritores de imagens. Na pesquisa desenvolvida pelo pesquisador responsável durante seu doutorado, vários métodos de reclassificação e agregação de listas foram propostos com o objetivo de aumentar a eficácia de sistemas de CBIR. Resultados experimentais demonstraram a eficácia das abordagens propostas em comparação com outros métodos recentemente propostos na literatura. Contudo, os importantes resultados obtidos levaram a novos desafios de pesquisa. O objetivo desse projeto de pesquisa é investigar os métodos de reclassificação e agregação de listas sob diversos aspectos, abordando os desafios de pesquisa ainda em aberto. Importantes aspectos a serem investigados estão relacionados a escalabilidade e eficiência dos algoritmos usando computação paralela e ambientes computacionais heterogêneos. Outro aspecto relevante consiste na especificação e implementação de novos métodos de reclassificação com aplicações em diferentes cenários, como recuperação textual e multimodal, realimentação de relevância e recuperação colaborativa de imagens. (AU)

Matéria(s) publicada(s) na Agência FAPESP sobre o auxílio:
Matéria(s) publicada(s) em Outras Mídias (0 total):
Mais itensMenos itens
VEICULO: TITULO (DATA)
VEICULO: TITULO (DATA)

Publicações científicas (34)
(Referências obtidas automaticamente do Web of Science e do SciELO, por meio da informação sobre o financiamento pela FAPESP e o número do processo correspondente, incluída na publicação pelos autores)
PISANI, FLAVIA; PASCOTTI VALEM, LUCAS; GUIMARAES PEDRONETTE, DANIEL CARLOS; DA S. TORRES, RICARDO; BORIN, EDSON; BRETERNITZ, MAURICIO. A unified model for accelerating unsupervised iterative re-ranking algorithms. CONCURRENCY AND COMPUTATION-PRACTICE & EXPERIENCE, v. 32, n. 14, . (14/50715-9, 13/50169-1, 14/12236-1, 13/08645-0, 13/50155-0, 15/24494-8)
PAPA, JOAO P.; ROSA, GUSTAVO H.; DE SOUZA, ANDRE N.; AFONSO, LUIS C. S.. Feature selection through binary brain storm optimization. COMPUTERS & ELECTRICAL ENGINEERING, v. 72, p. 468-481, . (13/07375-0, 17/02286-0, 16/19403-6, 14/12236-1, 17/22905-6, 13/08645-0)
VALEM, LUCAS PASCOTTI; GUIMARAES PEDRONETTE, DANIEL CARLOS; ACM. An Unsupervised Distance Learning Framework for Multimedia Retrieval. PROCEEDINGS OF THE 2017 ACM INTERNATIONAL CONFERENCE ON MULTIMEDIA RETRIEVAL (ICMR'17), v. N/A, p. 5-pg., . (14/04220-8, 13/08645-0)
VALEM, LUCAS PASCOTTI; GUIMARAES PEDRONETTE, DANIEL CARLOS; ALMEIDA, JURANDY. Unsupervised similarity learning through Cartesian product of ranking references. PATTERN RECOGNITION LETTERS, v. 114, p. 12-pg., . (16/06441-7, 14/04220-8, 13/08645-0, 17/02091-4)
GUIMARAES PEDRONETTE, DANIEL CARLOS; TORRES, RICARDO DA S.. A correlation graph approach for unsupervised manifold learning in image retrieval tasks. Neurocomputing, v. 208, p. 14-pg., . (13/08645-0, 13/50169-1)
ALMEIDA, JURANDY; PEDRONETTE, DANIEL C. G.; PENATTI, OTAVIO A. B.; BAYROCORROCHANO, E; HANCOCK, E. Unsupervised Manifold Learning for Video Genre Retrieval. PROGRESS IN PATTERN RECOGNITION IMAGE ANALYSIS, COMPUTER VISION, AND APPLICATIONS, CIARP 2014, v. 8827, p. 9-pg., . (13/08645-0)
VALEM, LUCAS PASCOTTI; PEDRONETTE, DANIEL C. G.; BREVE, FABRICIO; GUILHERME, IVAN RIZZO; IEEE. Manifold Correlation Graph for Semi-Supervised Learning. 2018 INTERNATIONAL JOINT CONFERENCE ON NEURAL NETWORKS (IJCNN), v. N/A, p. 7-pg., . (16/05669-4, 13/08645-0, 17/02091-4)
AFONSO, LUIS C. S.; PEDRONETTE, DANIEL C. G.; DE SOUZA, ANDRE N.; PAPA, JOAO P.; IEEE. Improving Optimum-Path Forest Classification Using Unsupervised Manifold Learning. 2018 24TH INTERNATIONAL CONFERENCE ON PATTERN RECOGNITION (ICPR), v. N/A, p. 6-pg., . (14/12236-1, 13/07375-0, 17/22905-6, 13/08645-0, 17/02286-0, 16/19403-6)
PADOVESE, BRUNO T.; SALVADEO, DENIS H. P.; PEDRONETTE, DANIEL C. G.; IEEE. Diagnostic Support for Alzheimers Disease through Feature-Based Brain MRI Retrieval and Unsupervised Distance Learning. 2016 IEEE 16TH INTERNATIONAL CONFERENCE ON BIOINFORMATICS AND BIOENGINEERING (BIBE), v. N/A, p. 8-pg., . (13/08645-0)
ALMEIDA, JURANDY; PEDRONETTE, DANIEL C. G.; ALBERTON, BRUNA C.; MORELLATO, LEONOR PATRICIA C.; TORRES, RICARDO DA S.. Unsupervised Distance Learning for Plant Species Identification. IEEE JOURNAL OF SELECTED TOPICS IN APPLIED EARTH OBSERVATIONS AND REMOTE SENSING, v. 9, n. 12, p. 14-pg., . (13/50169-1, 13/50155-0, 10/52113-5, 14/00215-0, 16/06441-7, 10/51307-0, 13/08645-0, 09/18438-7)
GUIMARAES PEDRONETTE, DANIEL CARLOS; CALUMBY, RODRIGO T.; TORRES, RICARDO DA S.. A semi-supervised learning algorithm for relevance feedback and collaborative image retrieval. EURASIP JOURNAL ON IMAGE AND VIDEO PROCESSING, v. N/A, p. 15-pg., . (13/50169-1, 13/08645-0)
VALEM, LUCAS PASCOTTI; GUIMARAES PEDRONETTE, DANIEL CARLOS; ACM. Selection and Combination of Unsupervised Learning Methods for Image Retrieval. PROCEEDINGS OF THE 15TH INTERNATIONAL WORKSHOP ON CONTENT-BASED MULTIMEDIA INDEXING (CBMI), v. N/A, p. 6-pg., . (17/02091-4, 13/08645-0)
VALEM, LUCAS PASCOTTI; GUIMARAES PEDRONETTE, DANIEL CARLOS; ALMEIDA, JURANDY. Unsupervised similarity learning through Cartesian product of ranking references. PATTERN RECOGNITION LETTERS, v. 114, n. SI, p. 41-52, . (14/04220-8, 17/02091-4, 16/06441-7, 13/08645-0)
GUIMARAES PEDRONETTE, DANIEL CARLOS; WENG, YING; BALDASSIN, ALEXANDRO; HOU, CHAOHUAN. Semi-supervised and active learning through Manifold Reciprocal kNN Graph for image retrieval. Neurocomputing, v. 340, p. 19-31, . (17/25908-6, 13/08645-0)
PISANI, FLAVIA; PEDRONETTE, DANIEL C. G.; TORRES, RICARDO DA S.; BORIN, EDSON. Contextual Spaces Re-Ranking: accelerating the Re-sort Ranked Lists step on heterogeneous systems. CONCURRENCY AND COMPUTATION-PRACTICE & EXPERIENCE, v. 29, n. 22, SI, . (13/08645-0)
GUIMARAES PEDRONETTE, DANIEL CARLOS; TORRES, RICARDO DA S.. Combining re-ranking and rank aggregation methods for image retrieval. MULTIMEDIA TOOLS AND APPLICATIONS, v. 75, n. 15, p. 9121-9144, . (13/08645-0)
FARIA, FABIO A.; PEDRONETTE, DANIEL C. G.; DOS SANTOS, JEFERSSON A.; ROCHA, ANDERSON; TORRES, RICARDO DA S.. Rank Aggregation for Pattern Classifier Selection in Remote Sensing Images. IEEE JOURNAL OF SELECTED TOPICS IN APPLIED EARTH OBSERVATIONS AND REMOTE SENSING, v. 7, n. 4, p. 1103-1115, . (10/14910-0, 12/18768-0, 13/08645-0, 10/05647-4)
GUIMARAES PEDRONETTE, DANIEL CARLOS; FERNANDES GONCALVES, FILIPE MARCEL; GUILHERME, IVAN RIZZO. Unsupervised manifold learning through reciprocal kNN graph and Connected Components for image retrieval tasks. PATTERN RECOGNITION, v. 75, n. SI, p. 161-174, . (13/08645-0)
VALEM, LUCAS PASCOTTI; GUIMARAES PEDRONETTE, DANIEL CARLOS. Graph -based selective rank fusion for unsupervised image retrieval. PATTERN RECOGNITION LETTERS, v. 135, p. 82-89, . (17/25908-6, 13/08645-0, 17/02091-4, 18/15597-6)
VALEM, LUCAS PASCOTTI; DE OLIVEIRA, CARLOS RENAN; GUIMARAES PEDRONETTE, DANIEL CARLOS; ALMEIDA, JURANDY. Unsupervised Similarity Learning through Rank Correlation and kNN Sets. ACM Transactions on Multimedia Computing Communications and Applications, v. 14, n. 4, . (17/25908-6, 17/02091-4, 16/06441-7, 13/08645-0)
VALEM, LUCAS PASCOTTI; GUIMARAES PEDRONETTE, DANIEL CARLOS; IEEE. Unsupervised Similarity Learning through Cartesian Product of Ranking References for Image Retrieval Tasks. 2016 29TH SIBGRAPI CONFERENCE ON GRAPHICS, PATTERNS AND IMAGES (SIBGRAPI), v. N/A, p. 8-pg., . (14/04220-8, 13/08645-0)
GUIMARAES PEDRONETTE, DANIEL CARLOS; FERNANDES GONCALVES, FILIPE MARCEL; GUILHERME, IVAN RIZZO. Unsupervised manifold learning through reciprocal kNN graph and Connected Components for image retrieval tasks. PATTERN RECOGNITION, v. 75, p. 14-pg., . (13/08645-0)
ALMEIDA, JURANDY; VALEM, LUCAS P.; PEDRONETTE, DANIEL C. G.; BATTIATO, S; GALLO, G; SCHETTINI, R; STANCO, F. A Rank Aggregation Framework for Video Interestingness Prediction. IMAGE ANALYSIS AND PROCESSING,(ICIAP 2017), PT I, v. 10484, p. 12-pg., . (16/06441-7, 13/08645-0, 17/02091-4)
GUIMARAES PEDRONETTE, DANIEL CARLOS; ALMEIDA, JURANDY; TORRES, RICARDO DA S.. A graph-based ranked-list model for unsupervised distance learning on shape retrieval. PATTERN RECOGNITION LETTERS, v. 83, p. 11-pg., . (13/08645-0, 13/50169-1)
PISANI, FLAVIA; PEDRONETTE, DANIEL C. G.; TORRES, RICARDO DA S.; BORIN, EDSON. Contextual Spaces Re-Ranking: accelerating the Re-sort Ranked Lists step on heterogeneous systems. CONCURRENCY AND COMPUTATION-PRACTICE & EXPERIENCE, v. 29, n. 22, p. 17-pg., . (13/08645-0)
BREVE, FABRICIO APARECIDO; GUIMARAES PEDRONETTE, DANIEL CARLOS; IEEE. COMBINED UNSUPERVISED AND SEMI-SUPERVISED LEARNING FOR DATA CLASSIFICATION. 2016 IEEE 26TH INTERNATIONAL WORKSHOP ON MACHINE LEARNING FOR SIGNAL PROCESSING (MLSP), v. N/A, p. 6-pg., . (11/17396-9, 13/08645-0)
FERNANDES GONCALVES, FILIPE MARCEL; GUILHERME, IVAN RIZZO; GUIMARAES PEDRONETTE, DANIEL CARLOS. Semantic Guided Interactive Image Retrieval for plant identification. EXPERT SYSTEMS WITH APPLICATIONS, v. 91, p. 12-26, . (13/08645-0)
GUIMARAES PEDRONETTE, DANIEL CARLOS; TORRES, RICARDO DA S.. Unsupervised rank diffusion for content-based image retrieval. Neurocomputing, v. 260, p. 478-489, . (13/50155-0, 13/08645-0, 13/50169-1)
GUIMARAES PEDRONETTE, DANIEL CARLOS; TORRES, RICARDO DA S.. A correlation graph approach for unsupervised manifold learning in image retrieval tasks. Neurocomputing, v. 208, n. SI, p. 66-79, . (13/08645-0, 13/50169-1)
BALDASSIN, ALEXANDRO; WENG, YING; GUIMARAES PEDRONETTE, DANIEL CARLOS; ALMEIDA, JURANDY. An optimized unsupervised manifold learning algorithm for manycore architectures. INFORMATION SCIENCES, v. 496, p. 410-430, . (16/06441-7, 13/08645-0)
GUIMARAES PEDRONETTE, DANIEL CARLOS; ALMEIDA, JURANDY; TORRES, RICARDO DA S.. A graph-based ranked-list model for unsupervised distance learning on shape retrieval. PATTERN RECOGNITION LETTERS, v. 83, n. 3, p. 357-367, . (13/50169-1, 13/08645-0)
ALMEIDA, JURANDY; PEDRONETTE, DANIEL C. G.; ALBERTON, BRUNA C.; MORELLATO, LEONOR PATRICIA C.; TORRES, RICARDO DA S.. Unsupervised Distance Learning for Plant Species Identification. IEEE JOURNAL OF SELECTED TOPICS IN APPLIED EARTH OBSERVATIONS AND REMOTE SENSING, v. 9, n. 12, 1, SI, p. 5325-5338, . (13/50169-1, 09/18438-7, 10/52113-5, 16/06441-7, 10/51307-0, 13/08645-0, 14/00215-0, 13/50155-0)
GUIMARAES PEDRONETTE, DANIEL CARLOS; CALUMBY, RODRIGO T.; TORRES, RICARDO DA S.. A semi-supervised learning algorithm for relevance feedback and collaborative image retrieval. EURASIP JOURNAL ON IMAGE AND VIDEO PROCESSING, . (13/08645-0, 13/50169-1)
GUIMARAES PEDRONETTE, DANIEL CARLOS; ALMEIDA, JURANDY; TORRES, RICARDO DA S.. A scalable re-ranking method for content-based image retrieval. INFORMATION SCIENCES, v. 265, p. 91-104, . (11/11171-5, 13/08645-0, 09/05951-8, 07/52015-0, 09/18438-7)

Por favor, reporte erros na lista de publicações científicas utilizando este formulário.