Combinando descritores de forma e textura para classificação de bioimagens: um estudo de caso aplicado à base de imagens ImageCLEF

Registro completo de metadados
MetadadosDescriçãoIdioma
Autor(es): dc.contributorLopes, FabrÍcio Martins-
Autor(es): dc.contributorBugatti, Pedro Henrique-
Autor(es): dc.contributorLopes, Fabrício Martins-
Autor(es): dc.contributorSilva, Adriano Rivolli da-
Autor(es): dc.contributorBugatti, Pedro Henrique-
Autor(es): dc.creatorBrilhador, Anderson-
Data de aceite: dc.date.accessioned2022-08-04T20:18:10Z-
Data de disponibilização: dc.date.available2022-08-04T20:18:10Z-
Data de envio: dc.date.issued2022-05-09-
Data de envio: dc.date.issued2022-05-09-
Data de envio: dc.date.issued2013-
Fonte completa do material: dc.identifierhttp://repositorio.utfpr.edu.br/jspui/handle/1/28315-
Fonte: dc.identifier.urihttp://educapes.capes.gov.br/handle/capes/706362-
Descrição: dc.descriptionNowadays, there is a large volume of digital data, including multimedia files (e.g. images) which are generated daily in several areas. The importance of this subject has led to a new paradigm known as eScience. In this scenario, the biological image domain emerges as an important research area given the great impact that it can leads in real solutions and people's lives. On the other hand, to cope with this massive data it is necessary to integrate into the same environment not only several techniques involving image processing, description and classification, but also feature selection methods. Hence, in the present paper we propose a new framework capable to join these techniques in a single and efficient pipeline, in order to characterize biological images. Experiments, performed with the ImageCLEF dataset, have shown that the proposed framework presented notable results, reaching up to 89,7% of accuracy regarding the plant species classification, which is a highly relevant and non-trivial task.-
Descrição: dc.descriptionHoje em dia, existe um grande volume de dados digitais, dentre eles arquivos multimídias (por exemplo imagens), os quais são gerados diariamente em diversas áreas. A importância deste tema levou a um novo paradigma conhecido como eScience. Neste cenário, o domínio da imagem biológica (bioimagens) emerge como uma área de pesquisa importante, dado o grande impacto que ele pode levar em soluções reais e a vidas das pessoas. Por outro lado, a lidar com esses dados massivos é necessário integrar ao mesmo ambiente não só várias técnicas que envolvem processamento de imagem, descrição e classificação, mas também os métodos de seleção de recurso. Assim, neste trabalho propõe-se um novo framework capaz de juntar essas técnicas em único e eficiente pipeline, a fim de caracterizar bioimagens. Experimentos, realizados com o conjunto de dados ImageCLEF. mostraram que o framework proposto apresentou resultados notáveis, atingindo até 89,7% de precisão em relação a classificação de espécies de plantas, que é uma tarefa altamente relevante e não-trivial.-
Formato: dc.formatapplication/pdf-
Idioma: dc.languagept_BR-
Publicador: dc.publisherUniversidade Tecnológica Federal do Paraná-
Publicador: dc.publisherCornelio Procopio-
Publicador: dc.publisherBrasil-
Publicador: dc.publisherTecnologia em Análise e Desenvolvimento de Sistemas-
Publicador: dc.publisherUTFPR-
Direitos: dc.rightsopenAccess-
Palavras-chave: dc.subjectProcessamento de imagens-
Palavras-chave: dc.subjectClassificação-
Palavras-chave: dc.subjectSistemas de reconhecimento de padrões-
Palavras-chave: dc.subjectImage processing-
Palavras-chave: dc.subjectClassification-
Palavras-chave: dc.subjectPattern recognition systems-
Palavras-chave: dc.subjectCNPQ::CIENCIAS EXATAS E DA TERRA::CIENCIA DA COMPUTACAO::SISTEMAS DE COMPUTACAO-
Título: dc.titleCombinando descritores de forma e textura para classificação de bioimagens: um estudo de caso aplicado à base de imagens ImageCLEF-
Tipo de arquivo: dc.typelivro digital-
Aparece nas coleções:Repositorio Institucional da UTFPR - RIUT

Não existem arquivos associados a este item.