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 | Scabini, Leonardo F.S. | - |
Autor(es): dc.creator | Condori, Rayner H.M. | - |
Autor(es): dc.creator | Bruno, Odemir M. | - |
Data de aceite: dc.date.accessioned | 2025-08-21T21:49:15Z | - |
Data de disponibilização: dc.date.available | 2025-08-21T21:49:15Z | - |
Data de envio: dc.date.issued | 2025-04-29 | - |
Data de envio: dc.date.issued | 2024-01-31 | - |
Fonte completa do material: dc.identifier | http://dx.doi.org/10.1016/j.physa.2024.129518 | - |
Fonte completa do material: dc.identifier | https://hdl.handle.net/11449/302293 | - |
Fonte: dc.identifier.uri | http://educapes.capes.gov.br/handle/11449/302293 | - |
Descrição: dc.description | This paper proposes a method for color-texture analysis by learning spatio-spectral representations from a complex network framework using the Randomized Neural Network (RNN). We model the color-texture image as a directed complex network based on the Spatio-Spectral Network (SSN) model, which considers within-channel connections in its topology to represent the spatial characteristics and spectral patterns covered by between-channel links. The insight behind the method is that complex topological features from the SSN can be embedded by a simple and fast neural network model for color-texture classification. Thus, we investigate how to effectively use the RNN to analyze and represent the spatial and spectral patterns from the SSN. We use the SSN vertex measurements to train the RNN to predict the dynamics of the complex network evolution and adopt the learned weights of the output layer as descriptors. Classification experiments in four datasets show the proposed method produces a very discriminative representation. The results demonstrate that our method obtains accuracies higher than several literature techniques, including deep convolutional neural networks. The proposed method also showed to be promising for plant species recognition, achieving high accuracies in this task. This performance indicates that the proposed approach can be employed successfully in computer vision applications. | - |
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 | Institute of Biosciences Humanities and Exact Sciences São Paulo State University, Rua Cristóvão Colombo, 2265, SP | - |
Descrição: dc.description | São Carlos Institute of Physics University of São Paulo, SP | - |
Descrição: dc.description | Institute of Mathematics and Computer Science University of São Paulo, SP | - |
Descrição: dc.description | Institute of Biosciences Humanities and Exact Sciences São Paulo State University, Rua Cristóvão Colombo, 2265, SP | - |
Descrição: dc.description | CNPq: # 307897/2018-4 | - |
Descrição: dc.description | CNPq: #142438/2018-9 | - |
Descrição: dc.description | FAPESP: #2019/07811-0 | - |
Descrição: dc.description | FAPESP: #2021/09163-6 | - |
Descrição: dc.description | FAPESP: #2023/04583-2 | - |
Descrição: dc.description | FAPESP: 2018/22214-6 | - |
Idioma: dc.language | en | - |
Relação: dc.relation | Physica A: Statistical Mechanics and its Applications | - |
???dc.source???: dc.source | Scopus | - |
Palavras-chave: dc.subject | Color-texture | - |
Palavras-chave: dc.subject | Complex network | - |
Palavras-chave: dc.subject | Neural network | - |
Título: dc.title | Color-texture classification based on spatio-spectral complex network representations | - |
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: