
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 | University of Brasília, Department of Mechanical Engineering | - |
| Autor(es): dc.contributor | Embrapa Cerrados | - |
| Autor(es): dc.contributor | University of Brasília, Department of Computer Science | - |
| Autor(es): dc.creator | Gomes, Jacó Cirino | - |
| Autor(es): dc.creator | Borges, Lurdineide de Araújo Barbosa | - |
| Autor(es): dc.creator | Borges, Díbio Leandro | - |
| Data de aceite: dc.date.accessioned | 2026-08-11T11:00:54Z | - |
| Data de disponibilização: dc.date.available | 2026-08-11T11:00:54Z | - |
| Data de envio: dc.date.issued | 2025-09-19 | - |
| Data de envio: dc.date.issued | 2025-09-19 | - |
| Data de envio: dc.date.issued | 2023-08-03 | - |
| Fonte completa do material: dc.identifier | http://repositorio.unb.br/handle/10482/52466 | - |
| Fonte completa do material: dc.identifier | https://doi.org/10.3390/s23156880 | - |
| Fonte completa do material: dc.identifier | https://orcid.org/0000-0003-4810-5138 | - |
| Fonte completa do material: dc.identifier | https://orcid.org/0000-0001-9284-3299 | - |
| Fonte completa do material: dc.identifier | https://orcid.org/0000-0002-4868-0629 | - |
| Fonte: dc.identifier.uri | http://educapes.capes.gov.br/handle/capes/1186645 | - |
| Descrição: dc.description | In image classification, few-shot learning deals with recognizing visual categories from a few tagged examples. The degree of expressiveness of the encoded features in this scenario is a crucial question that needs to be addressed in the models being trained. Recent approaches have achieved encouraging results in improving few-shot models in deep learning, but designing a competitive and simple architecture is challenging, especially considering its requirement in many practical applications. This work proposes an improved few-shot model based on a multi-layer feature fusion (FMLF) method. The presented approach includes extended feature extraction and fusion mechanisms in the Convolutional Neural Network (CNN) backbone, as well as an effective metric to compute the divergences in the end. In order to evaluate the proposed method, a challenging visual classification problem, maize crop insect classification with specific pests and beneficial categories, is addressed, serving both as a test of our model and as a means to propose a novel dataset. Experiments were carried out to compare the results with ResNet50, VGG16, and MobileNetv2, used as feature extraction backbones, and the FMLF method demonstrated higher accuracy with fewer parameters. The proposed FMLF method improved accuracy scores by up to 3.62% in one-shot and 2.82% in fiveshot classification tasks compared to a traditional backbone, which uses only global image features. | - |
| Descrição: dc.description | Instituto de Ciências Exatas (IE) | - |
| Descrição: dc.description | Departamento de Ciência da Computação (IE CIC) | - |
| Descrição: dc.description | Programa de Pós-Graduação em Sistemas Mecatrônicos | - |
| Formato: dc.format | application/pdf | - |
| Idioma: dc.language | en | - |
| Publicador: dc.publisher | MDPI | - |
| Direitos: dc.rights | Acesso Aberto | - |
| Direitos: dc.rights | (CC BY) © 2023 by the authors. Licensee MDPI, Basel, Switzerland. This article is an open access article distributed under the terms and conditions of the Creative Commons Attribution (CC BY) license (https:// creativecommons.org/licenses/by/ 4.0/). | - |
| Palavras-chave: dc.subject | Rede Neurais Convolucionais (CNNs) | - |
| Palavras-chave: dc.subject | Classificação de imagens | - |
| Palavras-chave: dc.subject | Multiescala | - |
| Palavras-chave: dc.subject | Aprendizagem métrica | - |
| Título: dc.title | A multi-layer feature fusion method for few-shot image classification | - |
| Tipo de arquivo: dc.type | livro digital | - |
| Aparece nas coleções: | Repositório Institucional – UNB | |
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: