Publications
2019
1.
Fidalgo, Eduardo; Alegre, Enrique; Fernández-Robles, Laura; González-Castro, Víctor
Fusión temprana de descriptores extraídos de mapas de prominencia multi-nivel para clasificar imágenes Artículo de revista
En: Revista Iberoamericana de Automática e Informática., vol. 16, no 3, pp. 358–368, 2019, (Publisher: Universitat Politècnica de València).
Resumen | Enlaces | BibTeX | Etiquetas: Algoritmos de Detección, Aprendizaje Máquina, Clasificadores, Codificación, Procesamiento de Imágenes, Visión por Computador
@article{fidalgo_fusion_2019,
title = {Fusión temprana de descriptores extraídos de mapas de prominencia multi-nivel para clasificar imágenes},
author = {Eduardo Fidalgo and Enrique Alegre and Laura Fernández-Robles and Víctor González-Castro},
url = {https://polipapers.upv.es/index.php/RIAI/article/view/10640},
year = {2019},
date = {2019-01-01},
journal = {Revista Iberoamericana de Automática e Informática.},
volume = {16},
number = {3},
pages = {358–368},
abstract = {Este artículo propone un método para mejorar la clasificación de imágenes con un solo objeto, utilizando mapas de prominencia (GBVS y SIM) para filtrar las características del fondo. Se aplican estos mapas para eliminar descriptores SIFT del fondo y se evalúa su impacto en cinco conjuntos de datos. Los resultados muestran que el método propuesto mejora la clasificación, especialmente cuando se combinan las dos primeras capas de GBVS o SIM.},
note = {Publisher: Universitat Politècnica de València},
keywords = {Algoritmos de Detección, Aprendizaje Máquina, Clasificadores, Codificación, Procesamiento de Imágenes, Visión por Computador},
pubstate = {published},
tppubtype = {article}
}
Este artículo propone un método para mejorar la clasificación de imágenes con un solo objeto, utilizando mapas de prominencia (GBVS y SIM) para filtrar las características del fondo. Se aplican estos mapas para eliminar descriptores SIFT del fondo y se evalúa su impacto en cinco conjuntos de datos. Los resultados muestran que el método propuesto mejora la clasificación, especialmente cuando se combinan las dos primeras capas de GBVS o SIM.