Busca avançada
Ano de início
Entree
Conteúdo relacionado


A NOVEL RANK CORRELATION MEASURE FOR MANIFOLD LEARNING ON IMAGE RETRIEVAL AND PERSON RE-ID

Texto completo
Autor(es):
Valem, Lucas Pascotti ; Sato Kawai, Vinicius Atsushi ; Pereira-Ferrero, Vanessa Helena ; Guimaraes Pedronette, Daniel Carlos ; IEEE
Número total de Autores: 5
Tipo de documento: Artigo Científico
Fonte: 2022 IEEE INTERNATIONAL CONFERENCE ON IMAGE PROCESSING, ICIP; v. N/A, p. 5-pg., 2022-01-01.
Resumo

Effectively measuring similarity among data samples represented as points in high-dimensional spaces remains a major challenge in retrieval, machine learning, and computer vision. In these scenarios, unsupervised manifold learning techniques grounded on rank information have been demonstrated to be a promising solution. However, various methods rely on rank correlation measures, which often depend on a proper definition of neighborhood size. On current approaches, this definition may lead to a reduction in the final desired effectiveness. In this work, a novel rank correlation measure robust to such variations is proposed for manifold learning approaches. The proposed measure is suitable for diverse scenarios and is validated on a Manifold Learning Algorithm based on Correlation Graph (CG). The experimental evaluation considered 6 datasets on general image retrieval and person Re-ID, achieving results superior to most state-of-the-art methods. (AU)

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
Modalidade de apoio: Auxílio à Pesquisa - Jovens Pesquisadores - Fase 2
Processo FAPESP: 20/02183-9 - Aprendizado não supervisionado baseado em ranqueamento e aprendizado profundo em domínios diversos
Beneficiário:Vanessa Helena Pereira Ferrero
Modalidade de apoio: Bolsas no Brasil - Pós-Doutorado
Processo FAPESP: 21/07993-1 - Investigação e avaliação de medidas de correlação de ranqueamento
Beneficiário:Vinicius Atsushi Sato Kawai
Modalidade de apoio: Bolsas no Brasil - Iniciação Científica
Processo FAPESP: 20/11366-0 - Suporte para ambiente computacional e execução de experimentos: aprendizado fracamente supervisionado e fusão de métodos de classificação
Beneficiário:Lucas Pascotti Valem
Modalidade de apoio: Bolsas no Brasil - Programa Capacitação - Treinamento Técnico