English (United Kingdom)

https://curated-unify.zendy.io/wp-json/zendy-region/v1/featured_content/oa?rat=en

https://curated-unify.zendy.io/wp-json/zendy-region/v1/highlighted_journal/

Global: Zendy Plus annual

Presents the access of premium content as premium feature

Premium Content

Presents the keyphrase highlighting as premium feature

Keyphrase Highlighting

Presents the summarisation as premium feature

Summarisation

Insights

Presents the pdf analysis as premium feature

PDF Analysis

Presents the zaia usage as premium feature

ZAIA

Global: Zendy Tools annual

Global: Zendy Free Plan

Global: Zendy Tools monthly

Global: Zendy Plus monthly

En este articulo proponemos un metodo que permite mejorar la clasificacion de imagenes en conjuntos de datos en los que la imagen contiene un unico objeto. Para ello, consideramos los mapas de prominencia como si se trataran de mapas topograficos y filtramos las caracteristicas del fondo de la imagen mejorando de esta forma la codificacion que realiza sobre la imagen completa un modelo clasico basado en Bag of Visual Words (BoVW). En primer lugar, evaluamos seis conocidos algoritmos para la generacion de mapas de prominencia y seleccionamos los metodos de GBVS y SIM al determinar que son los que retienen la mayor parte de la informacion del objeto. Utilizando la informacion de dichos mapas de prominencia eliminamos los descriptores SIFT extraidos de forma densa pertenecientes al fondo mediante el filtrado de caracteristicas en base a imagenes binarias obtenidas a diversos niveles del mapa de prominencia. Realizamos el filtrado de descriptores obteniendo capas a diversos niveles del mapa de prominencia, y evaluamos la fusion temprana de los descriptores SIFT contenidos en dichas capas en cinco conjuntos de datos diferentes. Los resultados obtenidos en nuestra experimentacion indican que el metodo propuesto mejora siempre al metodo de referencia cuando se combinan las dos primeras capas de GBVS o de SIM y el dataset contiene imagenes con un unico objeto.

Fusión temprana de descriptores extraídos de mapas de prominencia multi-nivel para clasificar imágenes