| |
|
|
 | Acesso ao texto completo restrito à biblioteca da Embrapa Agricultura Digital. Para informações adicionais entre em contato com cnptia.biblioteca@embrapa.br. |
|
Registro Completo |
|
Biblioteca(s): |
Embrapa Agricultura Digital. |
|
Data corrente: |
04/12/2014 |
|
Data da última atualização: |
08/01/2020 |
|
Tipo da produção científica: |
Artigo em Periódico Indexado |
|
Autoria: |
CORDEIRO, R. L. F.; GUO, F.; HAVERKAMP, D. S.; HORNE, J. H.; HUGHES, E. K.; KIM, G.; ROMANI, L. A. S.; COLTRI, P. P.; SOUZA, T. T.; TRAINA, A. J. M.; TRAINA JÚNIOR, C.; FALOUTSOS, C. |
|
Afiliação: |
ROBSON L. F. CORDEIRO, USP; FAN GUO, Carnegie Mellon University; DONNA S. HAVERKAMP, Science Applications International Corporation, McLean; JAMES H. HORNE, Science Applications International Corporation, McLean; ELLEN K. HUGHES, Science Applications International Corporation, McLean; GUNHEE KIM, Carnegie Mellon University; LUCIANA ALVIM SANTOS ROMANI, CNPTIA; PRISCILA P. COLTRI, Unicamp; TAMIRES T. SOUZA, USP; AGMA J. M. TRAINA, USP; CAETANO TRAINA JÚNIOR, USP; CHRISTOS FALOUTSOS, Carnegie Mellon University. |
|
Título: |
QuMinS: fast and scalable querying, mining and summarizing multi-modal databases. |
|
Ano de publicação: |
2014 |
|
Fonte/Imprenta: |
Information Sciences, New York, v. 164, p. 211-229, Apr. 2014. |
|
DOI: |
10.1016/j.ins.2013.11.013 |
|
Idioma: |
Inglês |
|
Conteúdo: |
Given a large image set, in which very few images have labels, how to guess labels for the remaining majority? How to spot images that need brand new labels different from the predefined ones? How to summarize these data to route the user's attention to what really matters? Here we answer all these questions. Specifically, we propose QuMinS, a fast, scalable solution to two problems: (i) Low-labor labeling (LLL) - given an image set, very few images have labels, find the most appropriate labels for the rest; and (ii) Mining and attention routing - in the same setting, find clusters, the top-NO outlier images, and the NR images that best represent the data. Experiments on satellite images spanning up to 2.25 GB show that, contrasting to the state-of-the-art labeling techniques, QuMinS scales linearly on the data size, being up to 40 times faster than top competitors (GCap), still achieving better or equal accuracy, it spots images that potentially require unpredicted labels, and it works even with tiny initial label sets, i.e., nearly five examples. We also report a case study of our method?s practical usage to show that QuMinS is a viable tool for automatic coffee crop detection from remote sensing images. |
|
Palavras-Chave: |
Clusterização; Imagens de satélite; Low-labor labeling; Outlier detection; Query by example; Satellite imagery; Summarization. |
|
Thesaurus Nal: |
Cluster analysis. |
|
Categoria do assunto: |
X Pesquisa, Tecnologia e Engenharia |
|
Marc: |
LEADER 02265naa a2200361 a 4500
001 2001677
005 2020-01-08
008 2014 bl uuuu u00u1 u #d
024 7 $a10.1016/j.ins.2013.11.013$2DOI
100 1 $aCORDEIRO, R. L. F.
245 $aQuMinS$bfast and scalable querying, mining and summarizing multi-modal databases.$h[electronic resource]
260 $c2014
520 $aGiven a large image set, in which very few images have labels, how to guess labels for the remaining majority? How to spot images that need brand new labels different from the predefined ones? How to summarize these data to route the user's attention to what really matters? Here we answer all these questions. Specifically, we propose QuMinS, a fast, scalable solution to two problems: (i) Low-labor labeling (LLL) - given an image set, very few images have labels, find the most appropriate labels for the rest; and (ii) Mining and attention routing - in the same setting, find clusters, the top-NO outlier images, and the NR images that best represent the data. Experiments on satellite images spanning up to 2.25 GB show that, contrasting to the state-of-the-art labeling techniques, QuMinS scales linearly on the data size, being up to 40 times faster than top competitors (GCap), still achieving better or equal accuracy, it spots images that potentially require unpredicted labels, and it works even with tiny initial label sets, i.e., nearly five examples. We also report a case study of our method?s practical usage to show that QuMinS is a viable tool for automatic coffee crop detection from remote sensing images.
650 $aCluster analysis
653 $aClusterização
653 $aImagens de satélite
653 $aLow-labor labeling
653 $aOutlier detection
653 $aQuery by example
653 $aSatellite imagery
653 $aSummarization
700 1 $aGUO, F.
700 1 $aHAVERKAMP, D. S.
700 1 $aHORNE, J. H.
700 1 $aHUGHES, E. K.
700 1 $aKIM, G.
700 1 $aROMANI, L. A. S.
700 1 $aCOLTRI, P. P.
700 1 $aSOUZA, T. T.
700 1 $aTRAINA, A. J. M.
700 1 $aTRAINA JÚNIOR, C.
700 1 $aFALOUTSOS, C.
773 $tInformation Sciences, New York$gv. 164, p. 211-229, Apr. 2014.
Download
Esconder MarcMostrar Marc Completo |
|
Registro original: |
Embrapa Agricultura Digital (CNPTIA) |
|
|
Biblioteca |
ID |
Origem |
Tipo/Formato |
Classificação |
Cutter |
Registro |
Volume |
Status |
URL |
Voltar
|
|
|
Registro Completo
|
Biblioteca(s): |
Embrapa Uva e Vinho. |
|
Data corrente: |
01/02/2008 |
|
Data da última atualização: |
18/08/2022 |
|
Tipo da produção científica: |
Resumo em Anais de Congresso |
|
Autoria: |
PASTORI, P. L.; MONTEIRO, L. B.; BOTTON, M.; PRATISSOLI, D.; PEREIRA, F. F.; ANDRADE, G. S. |
|
Afiliação: |
Patrick Luiz Pastori, CNPUV; L. B. Monteiro; MARCOS BOTTON, CNPUV; D. Pratissoli.; F. F. Pereira; G. S. Andrade. |
|
Título: |
Capacidade de parasitismo de Trichogramma pretiosum riley (Hymenoptera: Trichogrammatidae) linhagem bonagota em ovos de Bonagota salubricola (Meyrick) (Lepidoptera: Tortricidae) em diferentes temperaturas. |
|
Ano de publicação: |
2007 |
|
Fonte/Imprenta: |
In: SIMPÓSIO DE CONTROLE BIOLÓGICO, 10., 2007, Brasília, DF. Inovar para preservar a vida: resumos. Brasília, DF: Embrapa Recursos Genéticos e Biotecnologia, 2007. 1 CD-ROM. ID-060. |
|
Idioma: |
Português |
|
Notas: |
Resumo. |
|
Conteúdo: |
Espécies do gêneto Trichogramma westwood (hymenoptera:Trichogrammatidae) vêm sendo estudadas visando o controle de insetos-praga em diversas culturas. |
|
Thesagro: |
Entomologia; Inseto; Maçã; Parasitismo; Praga de Planta. |
|
Thesaurus NAL: |
Trichogramma pretiosum. |
|
Categoria do assunto: |
O Insetos e Entomologia |
|
URL: |
https://ainfo.cnptia.embrapa.br/digital/bitstream/doc/542479/1/ID9475.pdf
|
|
Marc: |
LEADER 01126nam a2200253 a 4500
001 1542479
005 2022-08-18
008 2007 bl uuuu u00u1 u #d
100 1 $aPASTORI, P. L.
245 $aCapacidade de parasitismo de Trichogramma pretiosum riley (Hymenoptera$bTrichogrammatidae) linhagem bonagota em ovos de Bonagota salubricola (Meyrick) (Lepidoptera: Tortricidae) em diferentes temperaturas.$h[electronic resource]
260 $aIn: SIMPÓSIO DE CONTROLE BIOLÓGICO, 10., 2007, Brasília, DF. Inovar para preservar a vida: resumos. Brasília, DF: Embrapa Recursos Genéticos e Biotecnologia, 2007. 1 CD-ROM. ID-060.$c2007
500 $aResumo.
520 $aEspécies do gêneto Trichogramma westwood (hymenoptera:Trichogrammatidae) vêm sendo estudadas visando o controle de insetos-praga em diversas culturas.
650 $aTrichogramma pretiosum
650 $aEntomologia
650 $aInseto
650 $aMaçã
650 $aParasitismo
650 $aPraga de Planta
700 1 $aMONTEIRO, L. B.
700 1 $aBOTTON, M.
700 1 $aPRATISSOLI, D.
700 1 $aPEREIRA, F. F.
700 1 $aANDRADE, G. S.
Download
Esconder MarcMostrar Marc Completo |
|
Registro original: |
Embrapa Uva e Vinho (CNPUV) |
|
|
Biblioteca |
ID |
Origem |
Tipo/Formato |
Classificação |
Cutter |
Registro |
Volume |
Status |
Fechar
|
| Nenhum registro encontrado para a expressão de busca informada. |
|
|
