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.creator | Fares, Ricardo T. | - |
Autor(es): dc.creator | Guerra, Luan B. | - |
Autor(es): dc.creator | Ribas, Lucas C. | - |
Data de aceite: dc.date.accessioned | 2025-08-21T20:22:49Z | - |
Data de disponibilização: dc.date.available | 2025-08-21T20:22:49Z | - |
Data de envio: dc.date.issued | 2025-04-29 | - |
Data de envio: dc.date.issued | 2024-12-31 | - |
Fonte completa do material: dc.identifier | http://dx.doi.org/10.5220/0013315500003912 | - |
Fonte completa do material: dc.identifier | https://hdl.handle.net/11449/297716 | - |
Fonte: dc.identifier.uri | http://educapes.capes.gov.br/handle/11449/297716 | - |
Descrição: dc.description | Despite many graph-based approaches being proposed to model textural patterns, they not only rely on a large number of parameters, culminating in a large search space, but also model a single, large graph for the entire image, which often overlooks fine-grained details. This paper proposes a new texture representation that utilizes a parameter-free micro-graph modeling, thereby addressing the aforementioned limitations. Specifically, for each image, we build multiple micro-graphs to model the textural patterns, and use a Randomized Neural Network (RNN) to randomly encode their topological information. Following this, the network’s learned weights are summarized through distinct statistical measures, such as mean and standard deviation, generating summarized feature vectors, which are combined to form our final texture representation. The effectiveness and robustness of our proposed approach for texture recognition was evaluated on four datasets: Outex, USPtex, Brodatz, and MBT, outperforming many literature methods. To assess the practical application of our method, we applied it to the challenging task of Brazilian plant species recognition, which requires microtex-ture characterization. The results demonstrate that our new approach is highly discriminative, indicating an important contribution to the texture analysis field. | - |
Descrição: dc.description | Coordenação de Aperfeiçoamento de Pessoal de Nível Superior (CAPES) | - |
Descrição: dc.description | Fundação de Amparo à Pesquisa do Estado de São Paulo (FAPESP) | - |
Descrição: dc.description | São Paulo State University (UNESP) Institute of Biosciences Humanities and Exact Sciences | - |
Descrição: dc.description | São Paulo State University (UNESP) Institute of Biosciences Humanities and Exact Sciences | - |
Descrição: dc.description | FAPESP: #2024/01744-8 | - |
Formato: dc.format | 200-209 | - |
Idioma: dc.language | en | - |
Relação: dc.relation | Proceedings of the International Joint Conference on Computer Vision, Imaging and Computer Graphics Theory and Applications | - |
???dc.source???: dc.source | Scopus | - |
Palavras-chave: dc.subject | Graph-Based Modeling | - |
Palavras-chave: dc.subject | Randomized Neural Networks | - |
Palavras-chave: dc.subject | Texture Representation | - |
Título: dc.title | Exploring Local Graphs via Random Encoding for Texture Representation Learning | - |
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: