
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 | Universidade de São Paulo (USP) | - |
| Autor(es): dc.creator | De Almeida, Lucas Barbosa | - |
| Autor(es): dc.creator | Pereira-Ferrero, Vanessa Helena | - |
| Autor(es): dc.creator | Valem, Lucas Pascotti | - |
| Autor(es): dc.creator | Almeida, Jurandy | - |
| Autor(es): dc.creator | Pedronette, Daniel Carlos Guimaraes | - |
| Data de aceite: dc.date.accessioned | 2025-08-21T18:35:56Z | - |
| Data de disponibilização: dc.date.available | 2025-08-21T18:35:56Z | - |
| Data de envio: dc.date.issued | 2022-04-29 | - |
| Data de envio: dc.date.issued | 2022-04-29 | - |
| Data de envio: dc.date.issued | 2020-12-31 | - |
| Fonte completa do material: dc.identifier | http://dx.doi.org/10.1109/SIBGRAPI54419.2021.00063 | - |
| Fonte completa do material: dc.identifier | http://hdl.handle.net/11449/230348 | - |
| Fonte: dc.identifier.uri | http://educapes.capes.gov.br/handle/11449/230348 | - |
| Descrição: dc.description | Despite of the substantial success of Convolutional Neural Networks (CNNs) on many recognition and representation tasks, such models are very reliant on huge amount of data to allow effective training. In order to improve the generalization ability of CNNs, several approaches have been proposed, including variations of data augmentation strategies. With the goal of achieving more effective retrieval results on unsupervised learning scenarios, we propose a representation learning approach which exploits a rank-based formulation to build a more comprehensive data representation. The proposed model uses 2D and 3D CNNs trained by transfer learning and fuse both representations through a rank-based formulation based on manifold learning algorithms. Our approach was evaluated on an unsupervised image retrieval scenario applied to action recognition datasets. The experimental results indicated that significant effectiveness gains can be obtained on various datasets, reaching +56.93% of relative gains on MAP scores. | - |
| Descrição: dc.description | São Paulo State University (UNESP) Department of Statistics Applied Math. and Computing (DEMAC) | - |
| Descrição: dc.description | Federal University of São Paulo (UNIFESP) Institute of Science and Technology | - |
| Descrição: dc.description | São Paulo State University (UNESP) Department of Statistics Applied Math. and Computing (DEMAC) | - |
| Formato: dc.format | 417-424 | - |
| Idioma: dc.language | en | - |
| Relação: dc.relation | Proceedings - 2021 34th SIBGRAPI Conference on Graphics, Patterns and Images, SIBGRAPI 2021 | - |
| ???dc.source???: dc.source | Scopus | - |
| Palavras-chave: dc.subject | image retrieval | - |
| Palavras-chave: dc.subject | manifold learning | - |
| Palavras-chave: dc.subject | representation learning | - |
| Título: dc.title | Representation Learning for Image Retrieval through 3D CNN and Manifold Ranking | - |
| Tipo de arquivo: dc.type | aula 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: