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 | Bruzadin, Aldimir José | - |
Autor(es): dc.creator | Colnago, Marilaine | - |
Autor(es): dc.creator | Negri, Rogério Galante | - |
Autor(es): dc.creator | Casaca, Wallace | - |
Data de aceite: dc.date.accessioned | 2025-08-21T15:12:50Z | - |
Data de disponibilização: dc.date.available | 2025-08-21T15:12:50Z | - |
Data de envio: dc.date.issued | 2025-04-29 | - |
Data de envio: dc.date.issued | 2022-12-31 | - |
Fonte completa do material: dc.identifier | http://dx.doi.org/10.1007/978-3-031-36808-0_2 | - |
Fonte completa do material: dc.identifier | https://hdl.handle.net/11449/298655 | - |
Fonte: dc.identifier.uri | http://educapes.capes.gov.br/handle/11449/298655 | - |
Descrição: dc.description | Deep Learning has become a popular tool for addressing complex tasks in many computer vision applications. Label diffusion methods have also been a very effective technique for getting accurate segmentations of real-world images, as they combine user autonomy, versatility and accurateness through a user-friendly interface. In this paper, we propose a seeded segmentation framework for partitioning real-world images by combining deep contour learning and graph-based label propagation models. More precisely, our approach takes a CNN-type contour detection network to learn graph edge weights, which are used as input to solve a coupled energy minimization problem that diffuses the user-selected annotations to the desired targets. To accurately extract deep features from image contours while generating diffusion maps, we train a deep learning architecture that integrates a hierarchical neural network, a graph-based label propagation model and a loss function, allowing the coupled training mechanism to refine the results until convergence. We attest to the effectiveness and accuracy of the proposed approach by conducting both quantitative and qualitative assessments with existing seeded image segmentation methods. | - |
Descrição: dc.description | IBILCE São Paulo State University | - |
Descrição: dc.description | IQ - São Paulo State University | - |
Descrição: dc.description | ICT São Paulo State University | - |
Descrição: dc.description | IBILCE São Paulo State University | - |
Descrição: dc.description | IQ - São Paulo State University | - |
Descrição: dc.description | ICT São Paulo State University | - |
Formato: dc.format | 19-31 | - |
Idioma: dc.language | en | - |
Relação: dc.relation | Lecture Notes in Computer Science (including subseries Lecture Notes in Artificial Intelligence and Lecture Notes in Bioinformatics) | - |
???dc.source???: dc.source | Scopus | - |
Palavras-chave: dc.subject | Contour Learning | - |
Palavras-chave: dc.subject | Seeded Segmentation | - |
Título: dc.title | Robust Seeded Image Segmentation Using Adaptive Label Propagation and Deep Learning-Based Contour Orientation | - |
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: