Generalization of feature embeddings transferred from different video anomaly detection domains (2019)
- Authors:
- Autor USP: PONTI, MOACIR ANTONELLI - ICMC
- Unidade: ICMC
- DOI: 10.1016/j.jvcir.2019.02.035
- Subjects: APRENDIZADO COMPUTACIONAL; RECONHECIMENTO DE IMAGEM; VÍDEO
- Keywords: Transfer learning; Feature generalization; Anomaly detection
- Agências de fomento:
- Language: Inglês
- Imprenta:
- Source:
- Título: Journal of Visual Communication and Image Representation
- ISSN: 1047-3203
- Volume/Número/Paginação/Ano: v. 60, p. 407-416, Apr. 2019
- Este periódico é de acesso aberto
- Este artigo NÃO é de acesso aberto
-
ABNT
SANTOS, Fernando Pereira dos e RIBEIRO, Leonardo S. F e PONTI, Moacir Antonelli. Generalization of feature embeddings transferred from different video anomaly detection domains. Journal of Visual Communication and Image Representation, v. 60, p. 407-416, 2019Tradução . . Disponível em: https://doi.org/10.1016/j.jvcir.2019.02.035. Acesso em: 11 fev. 2026. -
APA
Santos, F. P. dos, Ribeiro, L. S. F., & Ponti, M. A. (2019). Generalization of feature embeddings transferred from different video anomaly detection domains. Journal of Visual Communication and Image Representation, 60, 407-416. doi:10.1016/j.jvcir.2019.02.035 -
NLM
Santos FP dos, Ribeiro LSF, Ponti MA. Generalization of feature embeddings transferred from different video anomaly detection domains [Internet]. Journal of Visual Communication and Image Representation. 2019 ; 60 407-416.[citado 2026 fev. 11 ] Available from: https://doi.org/10.1016/j.jvcir.2019.02.035 -
Vancouver
Santos FP dos, Ribeiro LSF, Ponti MA. Generalization of feature embeddings transferred from different video anomaly detection domains [Internet]. Journal of Visual Communication and Image Representation. 2019 ; 60 407-416.[citado 2026 fev. 11 ] Available from: https://doi.org/10.1016/j.jvcir.2019.02.035 - Mobile inertial sensors for fall risk screening and prediction
- A decision cognizant Kullback-Leibler divergence
- Deep manifold alignment for mid-grain sketch based image retrieval
- Como funciona o deep learning
- Sketching out the details: sketch-based image retrieval using convolutional neural networks with multi-stage regression
- An incremental linear-time learning algorithm for the optimum-path forest classifier
- Relevance image sampling from collection using importance selection on randomized optimum-path trees
- Compact descriptors for sketch-based image retrieval using a triplet loss convolutional neural network
- Better than counting seconds: identifying fallers among healthy elderly using fusion of accelerometer features and dual-task timed up and go
- Aprendizado incremental e classe-incremental por meio da atualização de árvores geradoras em florestas de caminhos ótimos
Informações sobre o DOI: 10.1016/j.jvcir.2019.02.035 (Fonte: oaDOI API)
How to cite
A citação é gerada automaticamente e pode não estar totalmente de acordo com as normas
