ReP USP - Resultado da busca

Artigo de periodico
A deep learning workflow enhanced with optical flow fields for flood risk estimation (2024)
Ranieri, Caetano Mazzoni ; Souza, Thais Luiza Donega e ; Nishijima, Marislei ; Krishnamachari, Bhaskar ; Ueyama, Jó
Fonte: Applied Intelligence. Unidades: ICMC, IRI, EACH
Assuntos: ENCHENTES URBANAS, APRENDIZAGEM PROFUNDA, PROCESSAMENTO DE IMAGENS, VISÃO COMPUTACIONAL, REDES NEURAIS
A citação é gerada automaticamente e pode não estar totalmente de acordo com as normas
ABNT
RANIERI, Caetano Mazzoni et al. A deep learning workflow enhanced with optical flow fields for flood risk estimation. Applied Intelligence, v. 54, p. 5536-5557, 2024Tradução . . Disponível em: https://doi.org/10.1007/s10489-024-05466-2. Acesso em: 01 nov. 2024.
APA
Ranieri, C. M., Souza, T. L. D. e, Nishijima, M., Krishnamachari, B., & Ueyama, J. (2024). A deep learning workflow enhanced with optical flow fields for flood risk estimation. Applied Intelligence, 54, 5536-5557. doi:10.1007/s10489-024-05466-2
NLM
Ranieri CM, Souza TLD e, Nishijima M, Krishnamachari B, Ueyama J. A deep learning workflow enhanced with optical flow fields for flood risk estimation [Internet]. Applied Intelligence. 2024 ; 54 5536-5557.[citado 2024 nov. 01 ] Available from: https://doi.org/10.1007/s10489-024-05466-2
Vancouver
Ranieri CM, Souza TLD e, Nishijima M, Krishnamachari B, Ueyama J. A deep learning workflow enhanced with optical flow fields for flood risk estimation [Internet]. Applied Intelligence. 2024 ; 54 5536-5557.[citado 2024 nov. 01 ] Available from: https://doi.org/10.1007/s10489-024-05466-2
Artigo de periodico
Deep4Fusion: a Deep FORage Fusion framework for high-throughput phenotyping for green and dry matter yield traits (2023)
Rodrigues, Lucas de Souza; Caixeta Filho, Edmar; Sakiyama, Kenzo ; Santos, Mateus Figueiredo; Jank, Liana ; Carromeu, Camilo ; Silveira, Eloise; Matsubara, Edson Takashi ; Marcato Júnior, José ; Gonçalves, Wesley Nunes
Fonte: Computers and Electronics in Agriculture. Unidade: ICMC
Assuntos: APRENDIZADO COMPUTACIONAL, REDES NEURAIS, VISÃO COMPUTACIONAL, PROCESSAMENTO DE IMAGENS
A citação é gerada automaticamente e pode não estar totalmente de acordo com as normas
ABNT
RODRIGUES, Lucas de Souza et al. Deep4Fusion: a Deep FORage Fusion framework for high-throughput phenotyping for green and dry matter yield traits. Computers and Electronics in Agriculture, v. 211, p. 1-14, 2023Tradução . . Disponível em: https://doi.org/10.1016/j.compag.2023.107957. Acesso em: 01 nov. 2024.
APA
Rodrigues, L. de S., Caixeta Filho, E., Sakiyama, K., Santos, M. F., Jank, L., Carromeu, C., et al. (2023). Deep4Fusion: a Deep FORage Fusion framework for high-throughput phenotyping for green and dry matter yield traits. Computers and Electronics in Agriculture, 211, 1-14. doi:10.1016/j.compag.2023.107957
NLM
Rodrigues L de S, Caixeta Filho E, Sakiyama K, Santos MF, Jank L, Carromeu C, Silveira E, Matsubara ET, Marcato Júnior J, Gonçalves WN. Deep4Fusion: a Deep FORage Fusion framework for high-throughput phenotyping for green and dry matter yield traits [Internet]. Computers and Electronics in Agriculture. 2023 ; 211 1-14.[citado 2024 nov. 01 ] Available from: https://doi.org/10.1016/j.compag.2023.107957
Vancouver
Rodrigues L de S, Caixeta Filho E, Sakiyama K, Santos MF, Jank L, Carromeu C, Silveira E, Matsubara ET, Marcato Júnior J, Gonçalves WN. Deep4Fusion: a Deep FORage Fusion framework for high-throughput phenotyping for green and dry matter yield traits [Internet]. Computers and Electronics in Agriculture. 2023 ; 211 1-14.[citado 2024 nov. 01 ] Available from: https://doi.org/10.1016/j.compag.2023.107957
Artigo de periodico
A hybrid machine learning model for in-process estimation of printing distance in laser Directed Energy Deposition (2023)
Ribeiro, Kandice Suane Barros ; Nuñez, Henrique Hiram Libutti; Venter, Giuliana Sardi ; Doude, Haley R ; Coelho, Reginaldo Teixeira
Fonte: International Journal of Advanced Manufacturing Technology. Unidades: EESC, ICMC
Assuntos: MANUFATURA ADITIVA, PROCESSAMENTO DE IMAGENS, REDES NEURAIS, APRENDIZADO COMPUTACIONAL
A citação é gerada automaticamente e pode não estar totalmente de acordo com as normas
ABNT
RIBEIRO, Kandice Suane Barros et al. A hybrid machine learning model for in-process estimation of printing distance in laser Directed Energy Deposition. International Journal of Advanced Manufacturing Technology, v. 127, n. 7-8, p. 3183-3194, 2023Tradução . . Disponível em: https://doi.org/10.1007/s00170-023-11582-z. Acesso em: 01 nov. 2024.
APA
Ribeiro, K. S. B., Nuñez, H. H. L., Venter, G. S., Doude, H. R., & Coelho, R. T. (2023). A hybrid machine learning model for in-process estimation of printing distance in laser Directed Energy Deposition. International Journal of Advanced Manufacturing Technology, 127( 7-8), 3183-3194. doi:10.1007/s00170-023-11582-z
NLM
Ribeiro KSB, Nuñez HHL, Venter GS, Doude HR, Coelho RT. A hybrid machine learning model for in-process estimation of printing distance in laser Directed Energy Deposition [Internet]. International Journal of Advanced Manufacturing Technology. 2023 ; 127( 7-8): 3183-3194.[citado 2024 nov. 01 ] Available from: https://doi.org/10.1007/s00170-023-11582-z
Vancouver
Ribeiro KSB, Nuñez HHL, Venter GS, Doude HR, Coelho RT. A hybrid machine learning model for in-process estimation of printing distance in laser Directed Energy Deposition [Internet]. International Journal of Advanced Manufacturing Technology. 2023 ; 127( 7-8): 3183-3194.[citado 2024 nov. 01 ] Available from: https://doi.org/10.1007/s00170-023-11582-z
Artigo de periodico
Real-time prediction of deposited bead width in L-DED using semi-supervised transfer learning (2023)
Mochi, Victor H; Nuñez, Henrique Hiram Libutti; Ribeiro, Kandice Suane Barros ; Venter, Giuliana Sardi
Fonte: International Journal of Advanced Manufacturing Technology. Unidade: ICMC
Assuntos: APRENDIZADO COMPUTACIONAL, REDES NEURAIS, PROCESSAMENTO DE IMAGENS, MANUFATURA ADITIVA
A citação é gerada automaticamente e pode não estar totalmente de acordo com as normas
ABNT
MOCHI, Victor H et al. Real-time prediction of deposited bead width in L-DED using semi-supervised transfer learning. International Journal of Advanced Manufacturing Technology, v. 129, n. 11-12, p. 5643-5654, 2023Tradução . . Disponível em: https://doi.org/10.1007/s00170-023-12658-6. Acesso em: 01 nov. 2024.
APA
Mochi, V. H., Nuñez, H. H. L., Ribeiro, K. S. B., & Venter, G. S. (2023). Real-time prediction of deposited bead width in L-DED using semi-supervised transfer learning. International Journal of Advanced Manufacturing Technology, 129( 11-12), 5643-5654. doi:10.1007/s00170-023-12658-6
NLM
Mochi VH, Nuñez HHL, Ribeiro KSB, Venter GS. Real-time prediction of deposited bead width in L-DED using semi-supervised transfer learning [Internet]. International Journal of Advanced Manufacturing Technology. 2023 ; 129( 11-12): 5643-5654.[citado 2024 nov. 01 ] Available from: https://doi.org/10.1007/s00170-023-12658-6
Vancouver
Mochi VH, Nuñez HHL, Ribeiro KSB, Venter GS. Real-time prediction of deposited bead width in L-DED using semi-supervised transfer learning [Internet]. International Journal of Advanced Manufacturing Technology. 2023 ; 129( 11-12): 5643-5654.[citado 2024 nov. 01 ] Available from: https://doi.org/10.1007/s00170-023-12658-6
Artigo de periodico
Learning label diffusion maps for semi-automatic segmentation of lung CT images with COVID-19 (2023)
Bruzadin, Aldimir; Boaventura, Maurílio ; Colnago, Marilaine ; Negri, Rogério Galante ; Casaca, Wallace Correa de Oliveira
Fonte: Neurocomputing. Unidade: ICMC
Assuntos: APRENDIZADO COMPUTACIONAL, PROCESSAMENTO DE IMAGENS, DIAGNÓSTICO POR IMAGEM, TOMOGRAFIA, COVID-19
A citação é gerada automaticamente e pode não estar totalmente de acordo com as normas
ABNT
BRUZADIN, Aldimir et al. Learning label diffusion maps for semi-automatic segmentation of lung CT images with COVID-19. Neurocomputing, v. 522, p. 24-38, 2023Tradução . . Disponível em: https://doi.org/10.1016/j.neucom.2022.12.003. Acesso em: 01 nov. 2024.
APA
Bruzadin, A., Boaventura, M., Colnago, M., Negri, R. G., & Casaca, W. C. de O. (2023). Learning label diffusion maps for semi-automatic segmentation of lung CT images with COVID-19. Neurocomputing, 522, 24-38. doi:10.1016/j.neucom.2022.12.003
NLM
Bruzadin A, Boaventura M, Colnago M, Negri RG, Casaca WC de O. Learning label diffusion maps for semi-automatic segmentation of lung CT images with COVID-19 [Internet]. Neurocomputing. 2023 ; 522 24-38.[citado 2024 nov. 01 ] Available from: https://doi.org/10.1016/j.neucom.2022.12.003
Vancouver
Bruzadin A, Boaventura M, Colnago M, Negri RG, Casaca WC de O. Learning label diffusion maps for semi-automatic segmentation of lung CT images with COVID-19 [Internet]. Neurocomputing. 2023 ; 522 24-38.[citado 2024 nov. 01 ] Available from: https://doi.org/10.1016/j.neucom.2022.12.003
Artigo de periodico
Low-resource AMR-to-Text generation: a study on brazilian portuguese (2022)
Cabezudo, Marco Antonio Sobrevilla ; Pardo, Thiago Alexandre Salgueiro
Fonte: Procesamiento del Lenguaje Natural. Unidade: ICMC
Assuntos: PROCESSAMENTO DE IMAGENS, TRATAMENTO AUTOMÁTICO DE TEXTOS E DISCURSOS, CORPUS, PORTUGUÊS DO BRASIL
A citação é gerada automaticamente e pode não estar totalmente de acordo com as normas
ABNT
CABEZUDO, Marco Antonio Sobrevilla e PARDO, Thiago Alexandre Salgueiro. Low-resource AMR-to-Text generation: a study on brazilian portuguese. Procesamiento del Lenguaje Natural, v. 68, p. 85-97, 2022Tradução . . Disponível em: https://doi.org/10.26342/2022-68-6. Acesso em: 01 nov. 2024.
APA
Cabezudo, M. A. S., & Pardo, T. A. S. (2022). Low-resource AMR-to-Text generation: a study on brazilian portuguese. Procesamiento del Lenguaje Natural, 68, 85-97. doi:10.26342/2022-68-6
NLM
Cabezudo MAS, Pardo TAS. Low-resource AMR-to-Text generation: a study on brazilian portuguese [Internet]. Procesamiento del Lenguaje Natural. 2022 ; 68 85-97.[citado 2024 nov. 01 ] Available from: https://doi.org/10.26342/2022-68-6
Vancouver
Cabezudo MAS, Pardo TAS. Low-resource AMR-to-Text generation: a study on brazilian portuguese [Internet]. Procesamiento del Lenguaje Natural. 2022 ; 68 85-97.[citado 2024 nov. 01 ] Available from: https://doi.org/10.26342/2022-68-6
Artigo de periodico
Automatic image segmentation based on label propagation (2021)
Belizario, Ivar Vargas ; Linares, Oscar Alonso Cuadros ; Batista Neto, João do Espírito Santo
Fonte: IET Image Processing. Unidade: ICMC
Assuntos: PROCESSAMENTO DE IMAGENS, RECONHECIMENTO DE IMAGEM, COMPUTAÇÃO GRÁFICA
A citação é gerada automaticamente e pode não estar totalmente de acordo com as normas
ABNT
BELIZARIO, Ivar Vargas e LINARES, Oscar Alonso Cuadros e BATISTA NETO, João do Espírito Santo. Automatic image segmentation based on label propagation. IET Image Processing, v. 15, n. 11, p. Se 2021, 2021Tradução . . Disponível em: https://doi.org/10.1049/ipr2.12242. Acesso em: 01 nov. 2024.
APA
Belizario, I. V., Linares, O. A. C., & Batista Neto, J. do E. S. (2021). Automatic image segmentation based on label propagation. IET Image Processing, 15( 11), Se 2021. doi:10.1049/ipr2.12242
NLM
Belizario IV, Linares OAC, Batista Neto J do ES. Automatic image segmentation based on label propagation [Internet]. IET Image Processing. 2021 ; 15( 11): Se 2021.[citado 2024 nov. 01 ] Available from: https://doi.org/10.1049/ipr2.12242
Vancouver
Belizario IV, Linares OAC, Batista Neto J do ES. Automatic image segmentation based on label propagation [Internet]. IET Image Processing. 2021 ; 15( 11): Se 2021.[citado 2024 nov. 01 ] Available from: https://doi.org/10.1049/ipr2.12242
Artigo de periodico
The UTrack framework for segmenting and measuring dermatological ulcers through telemedicine (2021)
Cazzolato, Mirela Teixeira ; Ramos, Jonathan da Silva ; Rodrigues, Lucas Santiago ; Scabora, Lucas de Carvalho ; Chino, Daniel Yoshinobu Takada ; Jorge, Ana Elisa Serafim ; Azevedo-Marques, Paulo Mazzoncini de ; Traina Junior, Caetano ; Traina, Agma Juci Machado
Fonte: Computers in Biology and Medicine. Unidades: FMRP, ICMC
Assuntos: PROCESSAMENTO DE IMAGENS, RECONHECIMENTO DE IMAGEM, TECNOLOGIAS DA SAÚDE, TELEMEDICINA, ÚLCERA CUTÂNEA
A citação é gerada automaticamente e pode não estar totalmente de acordo com as normas
ABNT
CAZZOLATO, Mirela Teixeira et al. The UTrack framework for segmenting and measuring dermatological ulcers through telemedicine. Computers in Biology and Medicine, v. 134, p. 1-17, 2021Tradução . . Disponível em: https://doi.org/10.1016/j.compbiomed.2021.104489. Acesso em: 01 nov. 2024.
APA
Cazzolato, M. T., Ramos, J. da S., Rodrigues, L. S., Scabora, L. de C., Chino, D. Y. T., Jorge, A. E. S., et al. (2021). The UTrack framework for segmenting and measuring dermatological ulcers through telemedicine. Computers in Biology and Medicine, 134, 1-17. doi:10.1016/j.compbiomed.2021.104489
NLM
Cazzolato MT, Ramos J da S, Rodrigues LS, Scabora L de C, Chino DYT, Jorge AES, Azevedo-Marques PM de, Traina Junior C, Traina AJM. The UTrack framework for segmenting and measuring dermatological ulcers through telemedicine [Internet]. Computers in Biology and Medicine. 2021 ; 134 1-17.[citado 2024 nov. 01 ] Available from: https://doi.org/10.1016/j.compbiomed.2021.104489
Vancouver
Cazzolato MT, Ramos J da S, Rodrigues LS, Scabora L de C, Chino DYT, Jorge AES, Azevedo-Marques PM de, Traina Junior C, Traina AJM. The UTrack framework for segmenting and measuring dermatological ulcers through telemedicine [Internet]. Computers in Biology and Medicine. 2021 ; 134 1-17.[citado 2024 nov. 01 ] Available from: https://doi.org/10.1016/j.compbiomed.2021.104489
Artigo de periodico
Laplacian coordinates: theory and methods for seeded image segmentation (2021)
Casaca, Wallace Correa de Oliveira ; Gois, João Paulo ; Batagelo, Harlen ; Taubin, Gabriel ; Nonato, Luis Gustavo
Fonte: IEEE Transactions on Pattern Analysis and Machine Intelligence. Unidade: ICMC
Assuntos: PROCESSAMENTO DE IMAGENS, OPERADORES, BENCHMARKS
A citação é gerada automaticamente e pode não estar totalmente de acordo com as normas
ABNT
CASACA, Wallace Correa de Oliveira et al. Laplacian coordinates: theory and methods for seeded image segmentation. IEEE Transactions on Pattern Analysis and Machine Intelligence, v. 48, n. 8, p. 2665-2681, 2021Tradução . . Disponível em: https://doi.org/10.1109/TPAMI.2020.2974475. Acesso em: 01 nov. 2024.
APA
Casaca, W. C. de O., Gois, J. P., Batagelo, H., Taubin, G., & Nonato, L. G. (2021). Laplacian coordinates: theory and methods for seeded image segmentation. IEEE Transactions on Pattern Analysis and Machine Intelligence, 48( 8), 2665-2681. doi:10.1109/TPAMI.2020.2974475
NLM
Casaca WC de O, Gois JP, Batagelo H, Taubin G, Nonato LG. Laplacian coordinates: theory and methods for seeded image segmentation [Internet]. IEEE Transactions on Pattern Analysis and Machine Intelligence. 2021 ; 48( 8): 2665-2681.[citado 2024 nov. 01 ] Available from: https://doi.org/10.1109/TPAMI.2020.2974475
Vancouver
Casaca WC de O, Gois JP, Batagelo H, Taubin G, Nonato LG. Laplacian coordinates: theory and methods for seeded image segmentation [Internet]. IEEE Transactions on Pattern Analysis and Machine Intelligence. 2021 ; 48( 8): 2665-2681.[citado 2024 nov. 01 ] Available from: https://doi.org/10.1109/TPAMI.2020.2974475
Artigo de periodico
A superpixel-driven deep learning approach for the analysis of dermatological wounds (2020)
Blanco, Gustavo; Traina, Agma Juci Machado ; Traina Junior, Caetano ; Azevedo-Marques, Paulo Mazzoncini de ; Jorge, Ana Elisa Serafim ; Oliveira, Daniel de; Bêdo, Marcos Vinícius Naves
Fonte: Computer Methods and Programs in Biomedicine. Unidades: ICMC, FMRP
Assuntos: PROCESSAMENTO DE IMAGENS, APRENDIZADO COMPUTACIONAL, RECONHECIMENTO DE IMAGEM, ÚLCERA CUTÂNEA
A citação é gerada automaticamente e pode não estar totalmente de acordo com as normas
ABNT
BLANCO, Gustavo et al. A superpixel-driven deep learning approach for the analysis of dermatological wounds. Computer Methods and Programs in Biomedicine, v. 183, n. Ja 2020, p. 1-9, 2020Tradução . . Disponível em: https://doi.org/10.1016/j.cmpb.2019.105079. Acesso em: 01 nov. 2024.
APA
Blanco, G., Traina, A. J. M., Traina Junior, C., Azevedo-Marques, P. M. de, Jorge, A. E. S., Oliveira, D. de, & Bêdo, M. V. N. (2020). A superpixel-driven deep learning approach for the analysis of dermatological wounds. Computer Methods and Programs in Biomedicine, 183( Ja 2020), 1-9. doi:10.1016/j.cmpb.2019.105079
NLM
Blanco G, Traina AJM, Traina Junior C, Azevedo-Marques PM de, Jorge AES, Oliveira D de, Bêdo MVN. A superpixel-driven deep learning approach for the analysis of dermatological wounds [Internet]. Computer Methods and Programs in Biomedicine. 2020 ; 183( Ja 2020): 1-9.[citado 2024 nov. 01 ] Available from: https://doi.org/10.1016/j.cmpb.2019.105079
Vancouver
Blanco G, Traina AJM, Traina Junior C, Azevedo-Marques PM de, Jorge AES, Oliveira D de, Bêdo MVN. A superpixel-driven deep learning approach for the analysis of dermatological wounds [Internet]. Computer Methods and Programs in Biomedicine. 2020 ; 183( Ja 2020): 1-9.[citado 2024 nov. 01 ] Available from: https://doi.org/10.1016/j.cmpb.2019.105079
Artigo de periodico
Segmenting skin ulcers and measuring the wound area using deep convolutional networks (2020)
Chino, Daniel Yoshinobu Takada ; Scabora, Lucas de Carvalho ; Cazzolato, Mirela Teixeira ; Jorge, Ana Elisa Serafim ; Traina Junior, Caetano ; Traina, Agma Juci Machado
Fonte: Computer Methods and Programs in Biomedicine. Unidade: ICMC
Assuntos: PROCESSAMENTO DE IMAGENS, RECONHECIMENTO DE IMAGEM, REDES NEURAIS, ÚLCERA CUTÂNEA, TECNOLOGIAS DA SAÚDE
A citação é gerada automaticamente e pode não estar totalmente de acordo com as normas
ABNT
CHINO, Daniel Yoshinobu Takada et al. Segmenting skin ulcers and measuring the wound area using deep convolutional networks. Computer Methods and Programs in Biomedicine, v. 191, p. 1-11, 2020Tradução . . Disponível em: https://doi.org/10.1016/j.cmpb.2020.105376. Acesso em: 01 nov. 2024.
APA
Chino, D. Y. T., Scabora, L. de C., Cazzolato, M. T., Jorge, A. E. S., Traina Junior, C., & Traina, A. J. M. (2020). Segmenting skin ulcers and measuring the wound area using deep convolutional networks. Computer Methods and Programs in Biomedicine, 191, 1-11. doi:10.1016/j.cmpb.2020.105376
NLM
Chino DYT, Scabora L de C, Cazzolato MT, Jorge AES, Traina Junior C, Traina AJM. Segmenting skin ulcers and measuring the wound area using deep convolutional networks [Internet]. Computer Methods and Programs in Biomedicine. 2020 ; 191 1-11.[citado 2024 nov. 01 ] Available from: https://doi.org/10.1016/j.cmpb.2020.105376
Vancouver
Chino DYT, Scabora L de C, Cazzolato MT, Jorge AES, Traina Junior C, Traina AJM. Segmenting skin ulcers and measuring the wound area using deep convolutional networks [Internet]. Computer Methods and Programs in Biomedicine. 2020 ; 191 1-11.[citado 2024 nov. 01 ] Available from: https://doi.org/10.1016/j.cmpb.2020.105376
Artigo de periodico
Spatio-spectral networks for color-texture analysis (2020)
Scabini, Leonardo Felipe dos Santos ; Ribas, Lucas Correia ; Bruno, Odemir Martinez
Fonte: Information Sciences. Unidades: IFSC, ICMC
Assuntos: RECONHECIMENTO DE IMAGEM, PROCESSAMENTO DE IMAGENS, REDES COMPLEXAS
A citação é gerada automaticamente e pode não estar totalmente de acordo com as normas
ABNT
SCABINI, Leonardo Felipe dos Santos e RIBAS, Lucas Correia e BRUNO, Odemir Martinez. Spatio-spectral networks for color-texture analysis. Information Sciences, v. 515, p. 64-79, 2020Tradução . . Disponível em: https://doi.org/10.1016/j.ins.2019.11.042. Acesso em: 01 nov. 2024.
APA
Scabini, L. F. dos S., Ribas, L. C., & Bruno, O. M. (2020). Spatio-spectral networks for color-texture analysis. Information Sciences, 515, 64-79. doi:10.1016/j.ins.2019.11.042
NLM
Scabini LF dos S, Ribas LC, Bruno OM. Spatio-spectral networks for color-texture analysis [Internet]. Information Sciences. 2020 ; 515 64-79.[citado 2024 nov. 01 ] Available from: https://doi.org/10.1016/j.ins.2019.11.042
Vancouver
Scabini LF dos S, Ribas LC, Bruno OM. Spatio-spectral networks for color-texture analysis [Internet]. Information Sciences. 2020 ; 515 64-79.[citado 2024 nov. 01 ] Available from: https://doi.org/10.1016/j.ins.2019.11.042
Artigo de periodico
SIRA: an efficient method for retrieving stereo images from anaglyphs (2020)
Kunze, Lucas Felipe; Goularte, Rudinei ; Sousa, Elaine Parros Machado de
Fonte: Signal Processing : Image Communication. Unidade: ICMC
Assuntos: ANÁLISE DE SÉRIES TEMPORAIS, PROCESSAMENTO DE SINAIS, PROCESSAMENTO DE IMAGENS, RECUPERAÇÃO DA INFORMAÇÃO
A citação é gerada automaticamente e pode não estar totalmente de acordo com as normas
ABNT
KUNZE, Lucas Felipe e GOULARTE, Rudinei e SOUSA, Elaine Parros Machado de. SIRA: an efficient method for retrieving stereo images from anaglyphs. Signal Processing : Image Communication, v. 85, p. 1-11, 2020Tradução . . Disponível em: https://doi.org/10.1016/j.image.2020.115866. Acesso em: 01 nov. 2024.
APA
Kunze, L. F., Goularte, R., & Sousa, E. P. M. de. (2020). SIRA: an efficient method for retrieving stereo images from anaglyphs. Signal Processing : Image Communication, 85, 1-11. doi:10.1016/j.image.2020.115866
NLM
Kunze LF, Goularte R, Sousa EPM de. SIRA: an efficient method for retrieving stereo images from anaglyphs [Internet]. Signal Processing : Image Communication. 2020 ; 85 1-11.[citado 2024 nov. 01 ] Available from: https://doi.org/10.1016/j.image.2020.115866
Vancouver
Kunze LF, Goularte R, Sousa EPM de. SIRA: an efficient method for retrieving stereo images from anaglyphs [Internet]. Signal Processing : Image Communication. 2020 ; 85 1-11.[citado 2024 nov. 01 ] Available from: https://doi.org/10.1016/j.image.2020.115866
Artigo de periodico
Vessel optimal transport for automated alignment of retinal fundus images (2019)
Motta, Danilo Andrade ; Casaca, Wallace Correa de Oliveira ; Paiva, Afonso
Fonte: IEEE Transactions on Image Processing. Unidade: ICMC
Assuntos: PROCESSAMENTO DE IMAGENS, FUNDO DE OLHO, OTIMIZAÇÃO RESTRITA, GRÁFICOS
A citação é gerada automaticamente e pode não estar totalmente de acordo com as normas
ABNT
MOTTA, Danilo Andrade e CASACA, Wallace Correa de Oliveira e PAIVA, Afonso. Vessel optimal transport for automated alignment of retinal fundus images. IEEE Transactions on Image Processing, v. 28, n. 12, p. 6154-6168, 2019Tradução . . Disponível em: https://doi.org/10.1109/TIP.2019.2925287. Acesso em: 01 nov. 2024.
APA
Motta, D. A., Casaca, W. C. de O., & Paiva, A. (2019). Vessel optimal transport for automated alignment of retinal fundus images. IEEE Transactions on Image Processing, 28( 12), 6154-6168. doi:10.1109/TIP.2019.2925287
NLM
Motta DA, Casaca WC de O, Paiva A. Vessel optimal transport for automated alignment of retinal fundus images [Internet]. IEEE Transactions on Image Processing. 2019 ; 28( 12): 6154-6168.[citado 2024 nov. 01 ] Available from: https://doi.org/10.1109/TIP.2019.2925287
Vancouver
Motta DA, Casaca WC de O, Paiva A. Vessel optimal transport for automated alignment of retinal fundus images [Internet]. IEEE Transactions on Image Processing. 2019 ; 28( 12): 6154-6168.[citado 2024 nov. 01 ] Available from: https://doi.org/10.1109/TIP.2019.2925287
Artigo de periodico
dp-BREATH: heat maps and probabilistic classification assisting the analysis of abnormal lung regions (2019)
Cazzolato, Mirela T; Scabora, Lucas de Carvalho; Nesso-Jr, Marcos R; Milano-Oliveira, Luis F; Costa, Alceu Ferraz; Kaster, Daniel Santos; Koenigkam-Santos, Marcel; Azevedo-Marques, Paulo Mazzoncini de ; Traina Junior, Caetano ; Traina, Agma Juci Machado
Fonte: Computer Methods and Programs in Biomedicine. Unidades: FMRP, ICMC
Assuntos: PROCESSAMENTO DE IMAGENS, RECONHECIMENTO DE IMAGEM, VISUALIZAÇÃO, PULMÃO, TECNOLOGIAS DA SAÚDE
A citação é gerada automaticamente e pode não estar totalmente de acordo com as normas
ABNT
CAZZOLATO, Mirela T et al. dp-BREATH: heat maps and probabilistic classification assisting the analysis of abnormal lung regions. Computer Methods and Programs in Biomedicine, v. 173, p. 27-34, 2019Tradução . . Disponível em: https://doi.org/10.1016/j.cmpb.2019.01.014. Acesso em: 01 nov. 2024.
APA
Cazzolato, M. T., Scabora, L. de C., Nesso-Jr, M. R., Milano-Oliveira, L. F., Costa, A. F., Kaster, D. S., et al. (2019). dp-BREATH: heat maps and probabilistic classification assisting the analysis of abnormal lung regions. Computer Methods and Programs in Biomedicine, 173, 27-34. doi:10.1016/j.cmpb.2019.01.014
NLM
Cazzolato MT, Scabora L de C, Nesso-Jr MR, Milano-Oliveira LF, Costa AF, Kaster DS, Koenigkam-Santos M, Azevedo-Marques PM de, Traina Junior C, Traina AJM. dp-BREATH: heat maps and probabilistic classification assisting the analysis of abnormal lung regions [Internet]. Computer Methods and Programs in Biomedicine. 2019 ; 173 27-34.[citado 2024 nov. 01 ] Available from: https://doi.org/10.1016/j.cmpb.2019.01.014
Vancouver
Cazzolato MT, Scabora L de C, Nesso-Jr MR, Milano-Oliveira LF, Costa AF, Kaster DS, Koenigkam-Santos M, Azevedo-Marques PM de, Traina Junior C, Traina AJM. dp-BREATH: heat maps and probabilistic classification assisting the analysis of abnormal lung regions [Internet]. Computer Methods and Programs in Biomedicine. 2019 ; 173 27-34.[citado 2024 nov. 01 ] Available from: https://doi.org/10.1016/j.cmpb.2019.01.014
Artigo de periodico
How to speed up outliers removal in image matching (2018)
Ramos, Jonathan S; Watanabe, Carolina Y. V; Traina Junior, Caetano ; Traina, Agma Juci Machado
Fonte: Pattern Recognition Letters. Unidade: ICMC
Assuntos: BANCO DE DADOS, COMPUTAÇÃO GRÁFICA, PROCESSAMENTO DE IMAGENS
A citação é gerada automaticamente e pode não estar totalmente de acordo com as normas
ABNT
RAMOS, Jonathan S et al. How to speed up outliers removal in image matching. Pattern Recognition Letters, v. 114, p. 31-40, 2018Tradução . . Disponível em: https://doi.org/10.1016/j.patrec.2017.08.010. Acesso em: 01 nov. 2024.
APA
Ramos, J. S., Watanabe, C. Y. V., Traina Junior, C., & Traina, A. J. M. (2018). How to speed up outliers removal in image matching. Pattern Recognition Letters, 114, 31-40. doi:10.1016/j.patrec.2017.08.010
NLM
Ramos JS, Watanabe CYV, Traina Junior C, Traina AJM. How to speed up outliers removal in image matching [Internet]. Pattern Recognition Letters. 2018 ; 114 31-40.[citado 2024 nov. 01 ] Available from: https://doi.org/10.1016/j.patrec.2017.08.010
Vancouver
Ramos JS, Watanabe CYV, Traina Junior C, Traina AJM. How to speed up outliers removal in image matching [Internet]. Pattern Recognition Letters. 2018 ; 114 31-40.[citado 2024 nov. 01 ] Available from: https://doi.org/10.1016/j.patrec.2017.08.010
Trabalho de evento-anais periodico
Visual analytics of time-varying multivariate ionospheric scintillation data (2017)
Soriano-Vargas, Aurea; Vani, Bruno C; Shimabukuro, Milton H; Monico, João F. G; Oliveira, Maria Cristina Ferreira de ; Hamann, Bernd
Fonte: Computers & Graphics. Nome do evento: Conference on Graphics, Patterns and Images - SIBGRAPI. Unidade: ICMC
Assuntos: COMPUTAÇÃO GRÁFICA, PROCESSAMENTO DE IMAGENS, VISUALIZAÇÃO, MINERAÇÃO DE DADOS
A citação é gerada automaticamente e pode não estar totalmente de acordo com as normas
ABNT
SORIANO-VARGAS, Aurea et al. Visual analytics of time-varying multivariate ionospheric scintillation data. Computers & Graphics. Kidlington: Elsevier-Pergamon. Disponível em: https://doi.org/10.1016/j.cag.2017.08.013. Acesso em: 01 nov. 2024. , 2017
APA
Soriano-Vargas, A., Vani, B. C., Shimabukuro, M. H., Monico, J. F. G., Oliveira, M. C. F. de, & Hamann, B. (2017). Visual analytics of time-varying multivariate ionospheric scintillation data. Computers & Graphics. Kidlington: Elsevier-Pergamon. doi:10.1016/j.cag.2017.08.013
NLM
Soriano-Vargas A, Vani BC, Shimabukuro MH, Monico JFG, Oliveira MCF de, Hamann B. Visual analytics of time-varying multivariate ionospheric scintillation data [Internet]. Computers & Graphics. 2017 ; No 2017 96-107.[citado 2024 nov. 01 ] Available from: https://doi.org/10.1016/j.cag.2017.08.013
Vancouver
Soriano-Vargas A, Vani BC, Shimabukuro MH, Monico JFG, Oliveira MCF de, Hamann B. Visual analytics of time-varying multivariate ionospheric scintillation data [Internet]. Computers & Graphics. 2017 ; No 2017 96-107.[citado 2024 nov. 01 ] Available from: https://doi.org/10.1016/j.cag.2017.08.013
Artigo de periodico
Deep learning for biological image classification (2017)
Affonso, Carlos; Rossi, André Luis Debiaso; Vieira, Fábio Henrique Antunes; Carvalho, André Carlos Ponce de Leon Ferreira de
Fonte: Expert Systems with Applications. Unidade: ICMC
Assuntos: APRENDIZADO COMPUTACIONAL, REDES NEURAIS, PROCESSAMENTO DE IMAGENS, RECONHECIMENTO DE IMAGEM
A citação é gerada automaticamente e pode não estar totalmente de acordo com as normas
ABNT
AFFONSO, Carlos et al. Deep learning for biological image classification. Expert Systems with Applications, v. No 2017, p. 114-122, 2017Tradução . . Disponível em: https://doi.org/10.1016/j.eswa.2017.05.039. Acesso em: 01 nov. 2024.
APA
Affonso, C., Rossi, A. L. D., Vieira, F. H. A., & Carvalho, A. C. P. de L. F. de. (2017). Deep learning for biological image classification. Expert Systems with Applications, No 2017, 114-122. doi:10.1016/j.eswa.2017.05.039
NLM
Affonso C, Rossi ALD, Vieira FHA, Carvalho ACP de LF de. Deep learning for biological image classification [Internet]. Expert Systems with Applications. 2017 ; No 2017 114-122.[citado 2024 nov. 01 ] Available from: https://doi.org/10.1016/j.eswa.2017.05.039
Vancouver
Affonso C, Rossi ALD, Vieira FHA, Carvalho ACP de LF de. Deep learning for biological image classification [Internet]. Expert Systems with Applications. 2017 ; No 2017 114-122.[citado 2024 nov. 01 ] Available from: https://doi.org/10.1016/j.eswa.2017.05.039
Artigo de periodico
Explaining three-dimensional dimensionality reduction plots (2016)
Coimbra, Danilo B; Martins, Rafael M; Neves, Tácito T. A. T; Telea, Alexandru C.; Paulovich, Fernando Vieira
Fonte: Information Visualization. Unidade: ICMC
Assuntos: COMPUTAÇÃO GRÁFICA, PROCESSAMENTO DE IMAGENS, VISÃO COMPUTACIONAL
A citação é gerada automaticamente e pode não estar totalmente de acordo com as normas
ABNT
COIMBRA, Danilo B et al. Explaining three-dimensional dimensionality reduction plots. Information Visualization, v. 15, n. 2, p. 154-172, 2016Tradução . . Disponível em: https://doi.org/10.1177/1473871615600010. Acesso em: 01 nov. 2024.
APA
Coimbra, D. B., Martins, R. M., Neves, T. T. A. T., Telea, A. C., & Paulovich, F. V. (2016). Explaining three-dimensional dimensionality reduction plots. Information Visualization, 15( 2), 154-172. doi:10.1177/1473871615600010
NLM
Coimbra DB, Martins RM, Neves TTAT, Telea AC, Paulovich FV. Explaining three-dimensional dimensionality reduction plots [Internet]. Information Visualization. 2016 ; 15( 2): 154-172.[citado 2024 nov. 01 ] Available from: https://doi.org/10.1177/1473871615600010
Vancouver
Coimbra DB, Martins RM, Neves TTAT, Telea AC, Paulovich FV. Explaining three-dimensional dimensionality reduction plots [Internet]. Information Visualization. 2016 ; 15( 2): 154-172.[citado 2024 nov. 01 ] Available from: https://doi.org/10.1177/1473871615600010
Trabalho de evento-anais periodico
Rough surface wear analysis using image processing techniques (2016)
Takimoto, Rogério Yugo; Tsuzuki, Marcos de Sales Guerra ; Ueda, Edson Kenji ; Sato, André Kubagawa ; Martins, Thiago de Castro ; Cousseau, Tiago; Tanaka, Deniol Katsuki; Sinatora, Amilton
Fonte: IFAC-PapersOnLine. Nome do evento: IFAC Symposium on Information Control Problems in Manufacturing. Unidade: EP
Assuntos: DESGASTE, PROCESSAMENTO DE IMAGENS
A citação é gerada automaticamente e pode não estar totalmente de acordo com as normas
ABNT
TAKIMOTO, Rogério Yugo et al. Rough surface wear analysis using image processing techniques. IFAC-PapersOnLine. Paris,FR: Ifac. Disponível em: https://doi.org/10.1016/j.ifacol.2016.12.153. Acesso em: 01 nov. 2024. , 2016
APA
Takimoto, R. Y., Tsuzuki, M. de S. G., Ueda, E. K., Sato, A. K., Martins, T. de C., Cousseau, T., et al. (2016). Rough surface wear analysis using image processing techniques. IFAC-PapersOnLine. Paris,FR: Ifac. doi:10.1016/j.ifacol.2016.12.153
NLM
Takimoto RY, Tsuzuki M de SG, Ueda EK, Sato AK, Martins T de C, Cousseau T, Tanaka DK, Sinatora A. Rough surface wear analysis using image processing techniques [Internet]. IFAC-PapersOnLine. 2016 ;49( 31): 7-12.[citado 2024 nov. 01 ] Available from: https://doi.org/10.1016/j.ifacol.2016.12.153
Vancouver
Takimoto RY, Tsuzuki M de SG, Ueda EK, Sato AK, Martins T de C, Cousseau T, Tanaka DK, Sinatora A. Rough surface wear analysis using image processing techniques [Internet]. IFAC-PapersOnLine. 2016 ;49( 31): 7-12.[citado 2024 nov. 01 ] Available from: https://doi.org/10.1016/j.ifacol.2016.12.153

Unidades USP

ReP

Filtros

Unidades USP

Departamento

Autores

Autores USP

Ano de publicação

Assuntos

Título da fonte

Editora

Nome do evento

País de publicação

Agência de fomento

Indexado em

Afiliação dos autores externos normalizada

Afiliação dos autores externos não normalizada

País das instituições de afiliação dos autores externos