Atenção: Todas as denúncias são sigilosas e sua identidade será preservada.
Os campos nome e e-mail são de preenchimento opcional
Metadados | Descrição | Idioma |
---|---|---|
Autor(es): dc.contributor | Universidade Estadual Paulista (Unesp) | - |
Autor(es): dc.contributor | Petr Brasileiro SA Petrobras | - |
Autor(es): dc.creator | Lopes, Leonardo Tadeu [UNESP] | - |
Autor(es): dc.creator | Valem, Lucas Pascotti [UNESP] | - |
Autor(es): dc.creator | Guimaraes Pedronette, Daniel Carlos [UNESP] | - |
Autor(es): dc.creator | Guilherme, Ivan Rizzo [UNESP] | - |
Autor(es): dc.creator | Papa, Joao Paulo [UNESP] | - |
Autor(es): dc.creator | Silva Santana, Marcos Cleison [UNESP] | - |
Autor(es): dc.creator | Colombo, Danilo | - |
Autor(es): dc.creator | Farinella, G. M. | - |
Autor(es): dc.creator | Radeva, P. | - |
Autor(es): dc.creator | Braz, J. | - |
Data de aceite: dc.date.accessioned | 2022-02-22T00:56:50Z | - |
Data de disponibilização: dc.date.available | 2022-02-22T00:56:50Z | - |
Data de envio: dc.date.issued | 2021-06-25 | - |
Data de envio: dc.date.issued | 2021-06-25 | - |
Data de envio: dc.date.issued | 2019-12-31 | - |
Fonte completa do material: dc.identifier | http://dx.doi.org/10.5220/0008974604040412 | - |
Fonte completa do material: dc.identifier | http://hdl.handle.net/11449/209526 | - |
Fonte: dc.identifier.uri | http://educapes.capes.gov.br/handle/11449/209526 | - |
Descrição: dc.description | The huge increase in the amount of multimedia data available and the pressing need for organizing them in different categories, especially in scenarios where there are no labels available, makes data clustering an essential task in different scenarios. In this work, we present a novel clustering method based on an unsupervised manifold learning algorithm, in which a more effective similarity measure is computed by the manifold learning and used for clustering purposes. The proposed approach is applied to anomaly detection in videos and used in combination with different background segmentation methods to improve their effectiveness. An experimental evaluation is conducted on three different image datasets and one video dataset. The obtained results indicate superior accuracy in most clustering tasks when compared to the baselines. Results also demonstrate that the clustering step can improve the results of background subtraction approaches in the majority of cases. | - |
Descrição: dc.description | Fundação de Amparo à Pesquisa do Estado de São Paulo (FAPESP) | - |
Descrição: dc.description | Conselho Nacional de Desenvolvimento Científico e Tecnológico (CNPq) | - |
Descrição: dc.description | Petrobras | - |
Descrição: dc.description | Sao Paulo State Univ, UNESP, Dept Stat Appl Math & Comp, Rio Claro, SP, Brazil | - |
Descrição: dc.description | Sao Paulo State Univ, UNESP, Sch Sci, Bauru, SP, Brazil | - |
Descrição: dc.description | Petr Brasileiro SA Petrobras, Cenpes, Rio De Janeiro, RJ, Brazil | - |
Descrição: dc.description | Sao Paulo State Univ, UNESP, Dept Stat Appl Math & Comp, Rio Claro, SP, Brazil | - |
Descrição: dc.description | Sao Paulo State Univ, UNESP, Sch Sci, Bauru, SP, Brazil | - |
Descrição: dc.description | FAPESP: 2013/07375-0 | - |
Descrição: dc.description | FAPESP: 2014/12236-1 | - |
Descrição: dc.description | FAPESP: 2017/25908-6 | - |
Descrição: dc.description | FAPESP: 2018/15597-6 | - |
Descrição: dc.description | FAPESP: 2018/21934-5 | - |
Descrição: dc.description | FAPESP: 2019/07825-1 | - |
Descrição: dc.description | FAPESP: 2019/022055 | - |
Descrição: dc.description | CNPq: 308194/20179 | - |
Descrição: dc.description | CNPq: 307066/2017-7 | - |
Descrição: dc.description | CNPq: 427968/2018-6 | - |
Descrição: dc.description | Petrobras: 2017/00285-6 | - |
Formato: dc.format | 404-412 | - |
Idioma: dc.language | en | - |
Publicador: dc.publisher | Scitepress | - |
Relação: dc.relation | Proceedings Of The 15th International Joint Conference On Computer Vision, Imaging And Computer Graphics Theory And Applications, Vol 5: Visapp | - |
???dc.source???: dc.source | Web of Science | - |
Palavras-chave: dc.subject | Clustering | - |
Palavras-chave: dc.subject | Unsupervised Manifold Learning | - |
Palavras-chave: dc.subject | Anomaly Detection | - |
Palavras-chave: dc.subject | Video Surveillance | - |
Título: dc.title | Manifold Learning-based Clustering Approach Applied to Anomaly Detection in Surveillance Videos | - |
Aparece nas coleções: | Repositório Institucional - Unesp |
O Portal eduCAPES é oferecido ao usuário, condicionado à aceitação dos termos, condições e avisos contidos aqui e sem modificações. A CAPES poderá modificar o conteúdo ou formato deste site ou acabar com a sua operação ou suas ferramentas a seu critério único e sem aviso prévio. Ao acessar este portal, você, usuário pessoa física ou jurídica, se declara compreender e aceitar as condições aqui estabelecidas, da seguinte forma: