Fechar
Metadados

1. Identificação
Tipo de ReferênciaArtigo em Evento (Conference Proceedings)
Sitesibgrapi.sid.inpe.br
Código do Detentoribi 8JMKD3MGPEW34M/46T9EHH
Identificador8JMKD3MGPBW34M/3JRLK92
Repositóriosid.inpe.br/sibgrapi/2015/07.13.22.57
Última Atualização2015:07.13.22.57.56 (UTC) administrator
Repositório de Metadadossid.inpe.br/sibgrapi/2015/07.13.22.57.57
Última Atualização dos Metadados2022:05.18.22.20.58 (UTC) administrator
Chave de CitaçãoLucenaFerrOlivMach:2015:AtLoAu
TítuloAtualização local automática de pesos de atributos para recuperação de nódulos pulmonares similares
FormatoOn-line
Ano2015
Data de Acesso27 jul. 2024
Número de Arquivos1
Tamanho572 KiB
2. Contextualização
Autor1 Lucena, David Jones Ferreira de
2 Ferreira Junior, José Raniery
3 Oliveira, Marcelo Costa
4 Machado, Aydano Pamponet
Afiliação1 Federal University of Alagoas
2 Federal University of Alagoas
3 Federal University of Alagoas
4 Federal University of Alagoas
EditorRios, Ricardo Araujo
Paiva, Afonso
Endereço de e-Maildavidjones162@gmail.com
Nome do EventoConference on Graphics, Patterns and Images, 28 (SIBGRAPI)
Localização do EventoSalvador, BA, Brazil
Data26-29 Aug. 2015
Editora (Publisher)Sociedade Brasileira de Computação
Cidade da EditoraPorto Alegre
Título do LivroProceedings
Tipo TerciárioWork in Progress
Histórico (UTC)2015-07-13 22:57:57 :: davidjones162@gmail.com -> administrator ::
2022-05-18 22:20:58 :: administrator -> :: 2015
3. Conteúdo e estrutura
É a matriz ou uma cópia?é a matriz
Estágio do Conteúdoconcluido
Transferível1
Palavras-ChaveContent-based image retrieval
information retrieval
decision support
update weighing attributes
lung cancer
ResumoLung cancer is the third most common among the types of cancer existing in the world, staying back of prostate cancer in men and breast cancer in women. Computer-Aided (CAD) systems have been built in order to help experts identify and classify lung nodules. One type of CAD that has shown good results is the Content-Based Image Retrieval (CBIR). But one of the biggest challenges of CBIR is to define the appropriate measure for evaluating the similarity, other is to find a way to address the gap between the features used by experts to evaluate the images and attributes extracted from it segmentation. This work proposes a CBIR architecture to automatically calculate the weights of the attributes based on local learning to reflect the user interpretation in image retrieval process, reducing the semantic gap and improving performance in the recovery based on content.
Arranjourlib.net > SDLA > Fonds > SIBGRAPI 2015 > Atualização local automática...
Conteúdo da Pasta docacessar
Conteúdo da Pasta sourcenão têm arquivos
Conteúdo da Pasta agreement
agreement.html 13/07/2015 19:57 1.1 KiB 
4. Condições de acesso e uso
URL dos dadoshttp://urlib.net/ibi/8JMKD3MGPBW34M/3JRLK92
URL dos dados zipadoshttp://urlib.net/zip/8JMKD3MGPBW34M/3JRLK92
Idiomapt
Arquivo AlvoSIBGRAPI-VERSAO-APROVADA2.pdf
Grupo de Usuáriosadministrator
davidjones162@gmail.com
Visibilidadeshown
Permissão de Atualizaçãonão transferida
5. Fontes relacionadas
Repositório Espelhosid.inpe.br/banon/2001/03.30.15.38.24
Unidades Imediatamente Superiores8JMKD3MGPBW34M/3K24PF8
Lista de Itens Citandosid.inpe.br/sibgrapi/2015/08.03.22.49 32
sid.inpe.br/banon/2001/03.30.15.38.24 1
Acervo Hospedeirosid.inpe.br/banon/2001/03.30.15.38
6. Notas
Campos Vaziosarchivingpolicy archivist area callnumber contenttype copyholder copyright creatorhistory descriptionlevel dissemination doi edition electronicmailaddress group isbn issn label lineage mark nextedition notes numberofvolumes orcid organization pages parameterlist parentrepositories previousedition previouslowerunit progress project readergroup readpermission resumeid rightsholder schedulinginformation secondarydate secondarykey secondarymark secondarytype serieseditor session shorttitle sponsor subject tertiarymark type url versiontype volume


Fechar