Atenção:
O eduCAPES é um repositório de objetos educacionais, não sendo responsável por materiais de terceiros submetidos na plataforma. O usuário assume ampla e total responsabilidade quanto à originalidade, à titularidade e ao conteúdo, citações de obras consultadas, referências e outros elementos que fazem parte do material que deseja submeter. Recomendamos que se reporte diretamente ao(s) autor(es), indicando qual parte do material foi considerada imprópria (cite página e parágrafo) e justificando sua denúncia.
Caso seja o autor original de algum material publicado indevidamente ou sem autorização, será necessário que se identifique informando nome completo, CPF e data de nascimento. Caso possua uma decisão judicial para retirada do material, solicitamos que informe o link de acesso ao documento, bem como quaisquer dados necessários ao acesso, no campo abaixo.
Todas as denúncias são sigilosas e sua identidade será preservada. Os campos nome e e-mail são de preenchimento opcional. Porém, ao deixar de informar seu e-mail, um possível retorno será inviabilizado e/ou sua denúncia poderá ser desconsiderada no caso de necessitar de informações complementares.
Metadados | Descrição | Idioma |
---|---|---|
Autor(es): dc.contributor | Universidade Estadual Paulista (Unesp) | - |
Autor(es): dc.contributor | Temple Univ | - |
Autor(es): dc.creator | Guimaraes Pedronette, Daniel Carlos [UNESP] | - |
Autor(es): dc.creator | Pascotti Valem, Lucas [UNESP] | - |
Autor(es): dc.creator | Latecki, Longin Jan | - |
Data de aceite: dc.date.accessioned | 2022-02-22T00:58:43Z | - |
Data de disponibilização: dc.date.available | 2022-02-22T00:58:43Z | - |
Data de envio: dc.date.issued | 2021-06-25 | - |
Data de envio: dc.date.issued | 2021-06-25 | - |
Data de envio: dc.date.issued | 2021-03-01 | - |
Fonte completa do material: dc.identifier | http://dx.doi.org/10.3390/jimaging7030049 | - |
Fonte completa do material: dc.identifier | http://hdl.handle.net/11449/210161 | - |
Fonte: dc.identifier.uri | http://educapes.capes.gov.br/handle/11449/210161 | - |
Descrição: dc.description | Visual features and representation learning strategies experienced huge advances in the previous decade, mainly supported by deep learning approaches. However, retrieval tasks are still performed mainly based on traditional pairwise dissimilarity measures, while the learned representations lie on high dimensional manifolds. With the aim of going beyond pairwise analysis, post-processing methods have been proposed to replace pairwise measures by globally defined measures, capable of analyzing collections in terms of the underlying data manifold. The most representative approaches are diffusion and ranked-based methods. While the diffusion approaches can be computationally expensive, the rank-based methods lack theoretical background. In this paper, we propose an efficient Rank-based Diffusion Process which combines both approaches and avoids the drawbacks of each one. The obtained method is capable of efficiently approximating a diffusion process by exploiting rank-based information, while assuring its convergence. The algorithm exhibits very low asymptotic complexity and can be computed regionally, being suitable to outside of dataset queries. An experimental evaluation conducted for image retrieval and person re-ID tasks on diverse datasets demonstrates the effectiveness of the proposed approach with results comparable to the state-of-the-art. | - |
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 | Microsoft Research | - |
Descrição: dc.description | National Science Foundation | - |
Descrição: dc.description | Fulbright Commission | - |
Descrição: dc.description | Sao Paulo State Univ UNESP, Dept Stat Appl Math & Comp DEMAC, BR-13506900 Rio Claro, Brazil | - |
Descrição: dc.description | Temple Univ, Dept Comp & Informat Sci, Philadelphia, PA 19122 USA | - |
Descrição: dc.description | Sao Paulo State Univ UNESP, Dept Stat Appl Math & Comp DEMAC, BR-13506900 Rio Claro, Brazil | - |
Descrição: dc.description | FAPESP: 2018/15597-6 | - |
Descrição: dc.description | FAPESP: 2017/25908-6 | - |
Descrição: dc.description | FAPESP: 2020/11366-0 | - |
Descrição: dc.description | CNPq: 308194/2017-9 | - |
Descrição: dc.description | CNPq: 309439/2020-5 | - |
Descrição: dc.description | National Science Foundation: IIS-1814745 | - |
Formato: dc.format | 23 | - |
Idioma: dc.language | en | - |
Publicador: dc.publisher | Mdpi | - |
Relação: dc.relation | Journal Of Imaging | - |
???dc.source???: dc.source | Web of Science | - |
Palavras-chave: dc.subject | diffusion | - |
Palavras-chave: dc.subject | rank | - |
Palavras-chave: dc.subject | image retrieval | - |
Palavras-chave: dc.subject | convergence | - |
Título: dc.title | Efficient Rank-Based Diffusion Process with Assured Convergence | - |
Tipo de arquivo: dc.type | livro digital | - |
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: