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 University | - |
Autor(es): dc.creator | Valem, Lucas Pascotti | - |
Autor(es): dc.creator | Pedronette, Daniel Carlos Guimaraes | - |
Autor(es): dc.creator | Latecki, Longin Jan | - |
Data de aceite: dc.date.accessioned | 2025-08-21T18:38:41Z | - |
Data de disponibilização: dc.date.available | 2025-08-21T18:38:41Z | - |
Data de envio: dc.date.issued | 2023-07-29 | - |
Data de envio: dc.date.issued | 2023-07-29 | - |
Data de envio: dc.date.issued | 2022-12-31 | - |
Fonte completa do material: dc.identifier | http://dx.doi.org/10.1109/TIP.2023.3268868 | - |
Fonte completa do material: dc.identifier | http://hdl.handle.net/11449/247504 | - |
Fonte: dc.identifier.uri | http://educapes.capes.gov.br/handle/11449/247504 | - |
Descrição: dc.description | Impressive advances in acquisition and sharing technologies have made the growth of multimedia collections and their applications almost unlimited. However, the opposite is true for the availability of labeled data, which is needed for supervised training, since such data is often expensive and time-consuming to obtain. While there is a pressing need for the development of effective retrieval and classification methods, the difficulties faced by supervised approaches highlight the relevance of methods capable of operating with few or no labeled data. In this work, we propose a novel manifold learning algorithm named Rank Flow Embedding (RFE) for unsupervised and semi-supervised scenarios. The proposed method is based on ideas recently exploited by manifold learning approaches, which include hypergraphs, Cartesian products, and connected components. The algorithm computes context-sensitive embeddings, which are refined following a rank-based processing flow, while complementary contextual information is incorporated. The generated embeddings can be exploited for more effective unsupervised retrieval or semi-supervised classification based on Graph Convolutional Networks. Experimental results were conducted on 10 different collections. Various features were considered, including the ones obtained with recent Convolutional Neural Networks (CNN) and Vision Transformer (ViT) models. High effective results demonstrate the effectiveness of the proposed method on different tasks: unsupervised image retrieval, semi-supervised classification, and person Re-ID. The results demonstrate that RFE is competitive or superior to the state-of-the-art in diverse evaluated scenarios. | - |
Descrição: dc.description | São Paulo State University Department of Statistics Applied Mathematics and Computing | - |
Descrição: dc.description | Temple University Department of Computer and Information Sciences | - |
Descrição: dc.description | São Paulo State University Department of Statistics Applied Mathematics and Computing | - |
Formato: dc.format | 2811-2826 | - |
Idioma: dc.language | en | - |
Relação: dc.relation | IEEE Transactions on Image Processing | - |
???dc.source???: dc.source | Scopus | - |
Palavras-chave: dc.subject | embedding | - |
Palavras-chave: dc.subject | manifold learning | - |
Palavras-chave: dc.subject | person Re-ID | - |
Palavras-chave: dc.subject | Ranking | - |
Palavras-chave: dc.subject | semi-supervised | - |
Palavras-chave: dc.subject | unsupervised | - |
Título: dc.title | Rank Flow Embedding for Unsupervised and Semi-Supervised Manifold Learning | - |
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: