
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.contributor | School of Engineering and Informatics | - |
| Autor(es): dc.creator | Jodas, Danilo Samuel | - |
| Autor(es): dc.creator | Passos, Leandro Aparecido | - |
| Autor(es): dc.creator | Del Nero Velasco, Giuliana | - |
| Autor(es): dc.creator | Longo, Mariana Hortelani Carneseca | - |
| Autor(es): dc.creator | MacHado, Aline Ribeiro | - |
| Autor(es): dc.creator | Papa, Joao Paulo | - |
| Data de aceite: dc.date.accessioned | 2025-08-21T18:43:54Z | - |
| Data de disponibilização: dc.date.available | 2025-08-21T18:43:54Z | - |
| Data de envio: dc.date.issued | 2023-07-29 | - |
| Data de envio: dc.date.issued | 2023-07-29 | - |
| Data de envio: dc.date.issued | 2021-12-31 | - |
| Fonte completa do material: dc.identifier | http://dx.doi.org/10.1109/SIBGRAPI55357.2022.9991757 | - |
| Fonte completa do material: dc.identifier | http://hdl.handle.net/11449/248218 | - |
| Fonte: dc.identifier.uri | http://educapes.capes.gov.br/handle/11449/248218 | - |
| Descrição: dc.description | Urban forest surveillance relies on several aspects that involve the analysis of green area preservation and the monitoring of individual trees. Urban trees are essential to maintain the good quality of the cities and reduce the effects of carbon dioxide emissions in the atmosphere. In this sense, one can cite the tree species diversity as essential to ensuring the preservation and proper functioning of the urban ecosystem and the conservation of the wildlife species in the urban forest environment. Furthermore, tree species play an essential role in assessing the tree risk of falling since the species are related to the wood density, thus providing further details for the tree structural analysis. However, tree species classification involves a time-consuming process that requires allocating human resources for fieldwork. Also, the tree species are quite imbalanced in the urban landscape, requiring a more efficient approach to provide accurate results for minority species. Therefore, computer-aided methods are helpful to support the rapid analysis of the tree species for tasks involving inventory and analysis of the tree conditions. This paper proposes a multiclass extension of the O2 PF, an Optimum-Path Forest-based oversampling method, to generate synthetic samples based on features extracted from images of five urban tree species. Further, we present the so-called 'Street Level Tree Species Classification', a novel dataset for tree species classification based on tree images from the ground-view perspective. Four variants of the multiclass O2 PF were tested and compared to several state-of-the-art oversampling methods found in the literature. The obtained results confirm the effectiveness and superior accuracy of the proposed approaches in most cases. | - |
| Descrição: dc.description | Engineering and Physical Sciences Research Council | - |
| Descrição: dc.description | São Paulo State University Department of Computing, Bauru-SP | - |
| Descrição: dc.description | Institute for Technological Research University of São Paulo, SP | - |
| Descrição: dc.description | University of Wolverhampton Cmi Lab School of Engineering and Informatics, Wolverhampton,England | - |
| Descrição: dc.description | São Paulo State University Department of Computing, Bauru-SP | - |
| Descrição: dc.description | Engineering and Physical Sciences Research Council: EP/T021063/1 | - |
| Formato: dc.format | 121-126 | - |
| Idioma: dc.language | en | - |
| Relação: dc.relation | Proceedings - 2022 35th Conference on Graphics, Patterns, and Images, SIBGRAPI 2022 | - |
| ???dc.source???: dc.source | Scopus | - |
| Palavras-chave: dc.subject | convolutional neural networks | - |
| Palavras-chave: dc.subject | deep learning | - |
| Palavras-chave: dc.subject | Optimum-Path Forest | - |
| Palavras-chave: dc.subject | tree classification | - |
| Palavras-chave: dc.subject | urban forest | - |
| Título: dc.title | Multiclass Oversampling via Optimum-Path Forest for Tree Species Classification from Street-view Perspectives | - |
| 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: