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 de São Paulo (USP) | - |
Autor(es): dc.contributor | Ghent University | - |
Autor(es): dc.contributor | Universidade Estadual Paulista (UNESP) | - |
Autor(es): dc.contributor | Federal University of Mato Grosso do Sul | - |
Autor(es): dc.creator | Scabini, Leonardo | - |
Autor(es): dc.creator | Zielinski, Kallil M. | - |
Autor(es): dc.creator | Ribas, Lucas C. | - |
Autor(es): dc.creator | Gonçalves, Wesley N. | - |
Autor(es): dc.creator | De Baets, Bernard | - |
Autor(es): dc.creator | Bruno, Odemir M. | - |
Data de aceite: dc.date.accessioned | 2025-08-21T15:11:34Z | - |
Data de disponibilização: dc.date.available | 2025-08-21T15:11:34Z | - |
Data de envio: dc.date.issued | 2025-04-29 | - |
Data de envio: dc.date.issued | 2023-10-31 | - |
Fonte completa do material: dc.identifier | http://dx.doi.org/10.1016/j.patcog.2023.109802 | - |
Fonte completa do material: dc.identifier | https://hdl.handle.net/11449/297583 | - |
Fonte: dc.identifier.uri | http://educapes.capes.gov.br/handle/11449/297583 | - |
Descrição: dc.description | Texture analysis is a classical yet challenging task in computer vision for which deep neural networks are actively being applied. Most approaches are based on building feature aggregation modules around a pre-trained backbone and then fine-tuning the new architecture on specific texture recognition tasks. Here we propose a new method named Random encoding of Aggregated Deep Activation Maps (RADAM) which extracts rich texture representations without ever changing the backbone. The technique consists of encoding the output at different depths of a pre-trained deep convolutional network using a Randomized Autoencoder (RAE). The RAE is trained locally to each image using a closed-form solution, and its decoder weights are used to compose a 1-dimensional texture representation that is fed into a linear SVM. This means that no fine-tuning or backpropagation is needed for the backbone. We explore RADAM on several texture benchmarks and achieve state-of-the-art results with different computational budgets. Our results suggest that pre-trained backbones may not require additional fine-tuning for texture recognition if their learned representations are better encoded. | - |
Descrição: dc.description | Conselho Nacional de Desenvolvimento Científico e Tecnológico (CNPq) | - |
Descrição: dc.description | Coordenação de Aperfeiçoamento de Pessoal de Nível Superior (CAPES) | - |
Descrição: dc.description | São Carlos Institute of Physics University of São Paulo, SP | - |
Descrição: dc.description | KERMIT Department of Data Analysis and Mathematical Modelling Ghent University, Coupure links 653 | - |
Descrição: dc.description | Institute of Biosciences Humanities and Exact Sciences São Paulo State University, SP | - |
Descrição: dc.description | Faculty of Computing Federal University of Mato Grosso do Sul, MS | - |
Descrição: dc.description | Institute of Biosciences Humanities and Exact Sciences São Paulo State University, SP | - |
Descrição: dc.description | CNPq: #142438/2018-9 | - |
Descrição: dc.description | CNPq: #305296/2022-1 | - |
Descrição: dc.description | CNPq: #405997/2021-3 | - |
Descrição: dc.description | CAPES: #88887.631085/2021-00 | - |
Idioma: dc.language | en | - |
Relação: dc.relation | Pattern Recognition | - |
???dc.source???: dc.source | Scopus | - |
Palavras-chave: dc.subject | Convolutional networks | - |
Palavras-chave: dc.subject | Feature extraction | - |
Palavras-chave: dc.subject | Randomized neural networks | - |
Palavras-chave: dc.subject | Texture analysis | - |
Palavras-chave: dc.subject | Transfer learning | - |
Título: dc.title | RADAM: Texture recognition through randomized aggregated encoding of deep activation maps | - |
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: