
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 | Universidade Federal de São Carlos (UFSCar) | - |
| Autor(es): dc.creator | Presotto, João Gabriel Camacho | - |
| Autor(es): dc.creator | dos Santos, Samuel Felipe | - |
| Autor(es): dc.creator | Valem, Lucas Pascotti | - |
| Autor(es): dc.creator | Faria, Fabio Augusto | - |
| Autor(es): dc.creator | Papa, João Paulo | - |
| Autor(es): dc.creator | Almeida, Jurandy | - |
| Autor(es): dc.creator | Pedronette, Daniel Carlos Guimarães | - |
| Data de aceite: dc.date.accessioned | 2025-08-21T22:31:57Z | - |
| Data de disponibilização: dc.date.available | 2025-08-21T22:31:57Z | - |
| Data de envio: dc.date.issued | 2023-07-29 | - |
| Data de envio: dc.date.issued | 2023-07-29 | - |
| Data de envio: dc.date.issued | 2022-10-31 | - |
| Fonte completa do material: dc.identifier | http://dx.doi.org/10.1016/j.jvcir.2022.103666 | - |
| Fonte completa do material: dc.identifier | http://hdl.handle.net/11449/249306 | - |
| Fonte: dc.identifier.uri | http://educapes.capes.gov.br/handle/11449/249306 | - |
| Descrição: dc.description | Significant challenges still remain despite the impressive recent advances in machine learning techniques, particularly in multimedia data understanding. One of the main challenges in real-world scenarios is the nature and relation between training and test datasets. Very often, only small sets of coarse-grained labeled data are available to train models, which are expected to be applied on large datasets and fine-grained tasks. Weakly supervised learning approaches handle such constraints by maximizing useful training information in labeled and unlabeled data. In this research direction, we propose a weakly supervised approach that analyzes the dataset manifold to expand the available labeled set. A hypergraph manifold ranking algorithm is exploited to represent the contextual similarity information encoded in the unlabeled data and identify strong similarity relations, which are taken as a path to label expansion. The expanded labeled set is subsequently exploited for a more comprehensive and accurate training process. The proposed model was evaluated jointly with supervised and semi-supervised classifiers, including Graph Convolutional Networks. The experimental results on image and video datasets demonstrate significant gains and accurate results for different classifiers in diverse scenarios. | - |
| Descrição: dc.description | Microsoft Research | - |
| Descrição: dc.description | Petrobras | - |
| 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 | Department of Statistics Applied Mathematics and Computing State University of São Paulo (UNESP), Av. 24-A, 1515 | - |
| Descrição: dc.description | Institute of Science and Technology Federal University of São Paulo (UNIFESP) | - |
| Descrição: dc.description | School of Sciences State University of São Paulo (UNESP) | - |
| Descrição: dc.description | Department of Computing Federal University of São Carlos (UFSCAR) | - |
| Descrição: dc.description | Department of Statistics Applied Mathematics and Computing State University of São Paulo (UNESP), Av. 24-A, 1515 | - |
| Descrição: dc.description | School of Sciences State University of São Paulo (UNESP) | - |
| Descrição: dc.description | Petrobras: #2017/ 00285-6 | - |
| Descrição: dc.description | FAPESP: #2017/25908-6 | - |
| Descrição: dc.description | FAPESP: #2018/15597-6 | - |
| Descrição: dc.description | FAPESP: #2018/23908-1 | - |
| Descrição: dc.description | FAPESP: #2019/ 04754-6 | - |
| Descrição: dc.description | FAPESP: #2020/11366-0 | - |
| Descrição: dc.description | CNPq: #309439/2020-5 | - |
| Descrição: dc.description | CNPq: #314868/2020-8 | - |
| Descrição: dc.description | CNPq: #422667/2021-8 | - |
| Idioma: dc.language | en | - |
| Relação: dc.relation | Journal of Visual Communication and Image Representation | - |
| ???dc.source???: dc.source | Scopus | - |
| Palavras-chave: dc.subject | Hypergraph | - |
| Palavras-chave: dc.subject | Manifold learning | - |
| Palavras-chave: dc.subject | Ranking | - |
| Palavras-chave: dc.subject | Weakly supervised learning | - |
| Título: dc.title | Weakly supervised learning based on hypergraph manifold ranking | - |
| 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: