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.creator | Ribas, Lucas C. | - |
Autor(es): dc.creator | Bruno, Odemir M. | - |
Data de aceite: dc.date.accessioned | 2025-08-21T16:15:03Z | - |
Data de disponibilização: dc.date.available | 2025-08-21T16:15:03Z | - |
Data de envio: dc.date.issued | 2025-04-29 | - |
Data de envio: dc.date.issued | 2024-10-01 | - |
Fonte completa do material: dc.identifier | http://dx.doi.org/10.1016/j.patcog.2024.110566 | - |
Fonte completa do material: dc.identifier | https://hdl.handle.net/11449/299266 | - |
Fonte: dc.identifier.uri | http://educapes.capes.gov.br/handle/11449/299266 | - |
Descrição: dc.description | Shape contour is a key low-level characteristic, making shape description an important aspect in many computer vision problems, with several challenges such as variations in scale, rotation, and noise. In this paper, we introduce an approach for shape analysis and classification from binary images based on representations learned by applying Randomized Neural Networks (RNNs) on feature maps derived from a Complex Network (CN) framework. Our approach models the contour in a complex network and computes their topological measures using a dynamic evolution strategy. This evolution of the CN provides significant information into the physical aspects of the shape's contour. Therefore, we propose embedding the topological measures computed from the dynamics of the CN evolution into a matrix representation, which we have named the Topological Feature Map (TFM). Then, we employ the RNN to learn representations from the TFM through a sliding window strategy. The proposed representation is formed by the learned weights between the hidden and output layers of the RNN. Our experimental results show performance improvements in shape classification using the proposed method across two generic shape datasets. We also applied our approach to the recognition of plant leaves, achieving high performance in this challenging task. Furthermore, the proposed approach has demonstrated robustness to noise and invariance to transformations in scale and orientation of the shapes. | - |
Descrição: dc.description | Conselho Nacional de Desenvolvimento Científico e Tecnológico (CNPq) | - |
Descrição: dc.description | Fundação de Amparo à Pesquisa do Estado de São Paulo (FAPESP) | - |
Descrição: dc.description | São Paulo State University Institute of Biosciences Humanities and Exact Sciences, Rua Cristóvão Colombo, 2265, SP | - |
Descrição: dc.description | São Carlos Institute of Physics University of São Paulo, PO Box 369, SP | - |
Descrição: dc.description | São Paulo State University Institute of Biosciences Humanities and Exact Sciences, Rua Cristóvão Colombo, 2265, SP | - |
Descrição: dc.description | CNPq: # 307897/2018-4 | - |
Descrição: dc.description | FAPESP: #s 2016/23763-8 | - |
Descrição: dc.description | FAPESP: 2018/22214-6 | - |
Descrição: dc.description | FAPESP: 2021/07289-2 | - |
Descrição: dc.description | FAPESP: 2023/04583-2 | - |
Idioma: dc.language | en | - |
Relação: dc.relation | Pattern Recognition | - |
???dc.source???: dc.source | Scopus | - |
Palavras-chave: dc.subject | Complex network | - |
Palavras-chave: dc.subject | Neural network | - |
Palavras-chave: dc.subject | Shape representation | - |
Título: dc.title | Learning a complex network representation for shape classification | - |
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: