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 | Ribas, Lucas C. | - |
Data de aceite: dc.date.accessioned | 2025-08-21T15:41:50Z | - |
Data de disponibilização: dc.date.available | 2025-08-21T15:41:50Z | - |
Data de envio: dc.date.issued | 2025-04-29 | - |
Data de envio: dc.date.issued | 2023-12-31 | - |
Fonte completa do material: dc.identifier | http://dx.doi.org/10.1007/978-3-031-62495-7_33 | - |
Fonte completa do material: dc.identifier | https://hdl.handle.net/11449/301381 | - |
Fonte: dc.identifier.uri | http://educapes.capes.gov.br/handle/11449/301381 | - |
Descrição: dc.description | Texture and color are fundamental visual descriptors, each complementing the other. Although many approaches have been developed for color-texture analysis, they often lack spectral analysis of the image and suffer from limited data availability for training in various problems. This paper introduces a new single-parameter texture representation, which integrates spatial and spectral analyses by combining the weights of the output layers of randomized autoencoders applied on both the same and adjacent image channels. As our approach is not end-to-end, we can extract individual representations for each image independently of the dataset size and without the need of fine-tuning. The rationale behind this approach is to learn meaningful spatial and spectral information of color-texture images through a simple neural network architecture. The proposed representation was evaluated using four benchmark datasets: Outex, USPtex, 1200Tex and MBT. We also verify the performance of the proposed representation on a practical and challenging task of Brazilian plant species identification. The experiments reveal that our method has a competitive classification accuracy in both scenarios when compared to the other methods, including various complex deep learning architectures. This shows an important contribution to the color-texture analysis and serves as a useful resource for other areas of computer vision and pattern recognition. | - |
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 | Institute of Biosciences Humanities and Exact Sciences São Paulo State University (UNESP), SP | - |
Descrição: dc.description | Institute of Biosciences Humanities and Exact Sciences São Paulo State University (UNESP), SP | - |
Descrição: dc.description | CAPES: 001 | - |
Descrição: dc.description | FAPESP: 2018/22214-6 | - |
Descrição: dc.description | FAPESP: 2023/04583-2 | - |
Formato: dc.format | 435-449 | - |
Idioma: dc.language | en | - |
Relação: dc.relation | Communications in Computer and Information Science | - |
???dc.source???: dc.source | Scopus | - |
Palavras-chave: dc.subject | Color-texture | - |
Palavras-chave: dc.subject | Randomized neural network | - |
Palavras-chave: dc.subject | Representation learning | - |
Título: dc.title | A New Approach to Learn Spatio-Spectral Texture Representation with Randomized Networks: Application to Brazilian Plant Species Identification | - |
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: