Corrige citações diretas e citações de figura

Gramaticalmente na citação direta é necessário proposição.

No texto de <author>(year)...

2-textuais/1-introducao.tex

@@ -113,7 +113,7 @@ \section{Trabalhos relacionados}\label{cap:trabalhos-relacionados}
 		\UFCfig{}{
 			\fbox{\includegraphics[width=9cm]{figuras/example-superpixel-segmentation}}
 		}{
-			\Fonte{\cite{SuperPixelBenchmark2017}}
+			\Fonte{\citeonline{SuperPixelBenchmark2017}}
 		}
 \end{figure}
 
@@ -192,7 +192,7 @@ \subsection{FocalClick: Towards Practical Interactive Image Segmentation}\label{
 		\UFCfig{}{
 			\fbox{\includegraphics[width=12cm]{figuras/focalclick}}
 		}{
-			\Fonte{\cite{chen2022focalclick}}
+			\Fonte{\citeonline{chen2022focalclick}}
 		}
 \end{figure}
 
@@ -234,7 +234,7 @@ \section{Justificativas}\label{sec:justificativas}
 		\UFCfig{}{
 			\fbox{\includegraphics[width=12cm]{figuras/grabcut-papers}}
 		}{
-			\Fonte{\cite{wang2023review}}
+			\Fonte{\citeonline{wang2023review}}
 		}
 \end{figure}
 

2-textuais/2-fundamentacao-teorica.tex

@@ -20,7 +20,7 @@ \section{Segmentação interativa de imagens}\label{sec:segmentacao-interativa}
           segmentado, então a segmentação interativa é realizada.
         }
 		\centering
-		\UFCfig{}{\fbox{\includegraphics[width=12cm]{figuras/interactive-segmentation-2008}}}{\Fonte{\cite{duchenne2008segmentation}}}
+		\UFCfig{}{\fbox{\includegraphics[width=12cm]{figuras/interactive-segmentation-2008}}}{\Fonte{\citeonline{duchenne2008segmentation}}}
 \end{figure}
 \FloatBarrier{}
 
@@ -98,11 +98,11 @@ \section{Aprendizado semi-supervisionado vs.\ transdução}\label{sec:teorica-ap
         }
 		\centering
 		\UFCfig{}{\fbox{\includegraphics[width=12cm]{figuras/induction_vs_transduction-pt_br}}}
-        {\Fonte{Versão adaptada e traduzida de \citeonline{vapnik1995}}}
+        {\Fonte{Adaptada de \citeonline{vapnik1995}}}
 \end{figure}
 
 
-No texto~\citeonline{vapnik2006semi}, o criador do famoso algoritmo SVM
+No texto de~\citeonline{vapnik2006semi}, o criador do famoso algoritmo SVM
 estabelece uma profunda formalização dos problemas de aprendizado
 semi-supervisionado e inferência transdutiva. No final do texto, ele
 declara algumas reflexões sobre a solução de problemas em aprendizagem
@@ -138,7 +138,7 @@ \section{Aprendizado semi-supervisionado vs.\ transdução}\label{sec:teorica-ap
         }
 		\centering
 		\UFCfig{}{\fbox{\includegraphics[width=14cm]{figuras/transductive-vs-inductive-pt_br}}}
-        {\Fonte{Versão adaptada e traduzida de \citeonline{vapnik1995}}}
+        {\Fonte{Adaptada de \citeonline{vapnik1995}}}
 \end{figure}
 
 
@@ -168,7 +168,7 @@ \section{Superpixels}\label{sec:teorica-superpixel}
 Atualmente, já é possível encontrar muitas técnicas baseadas em
 superpixels com diferentes características, complexidades
 computacionais, métodos e eficiência. No
-artigo~\citeonline{SuperPixelBenchmark2017}, é realizado um \textit{benchmark} com 15
+artigo de~\citeonline{SuperPixelBenchmark2017}, é realizado um \textit{benchmark} com 15
 algoritmos do tipo superpixel categorizados em três grupos: baseado em grafos,
 baseado em otimização de gradiente e baseado em análise de
 textura. Neste trabalho, é selecionado um dos mais simples: \gls{SLIC}.
@@ -352,7 +352,7 @@ \subsection{Filtros de Gabor}\label{sec:filtros-gabor}
           Filtros de Gabor variando a angulação $\theta$ e a convolução resultante.
         }
 		\centering
-		\UFCfig{}{\fbox{\includegraphics[width=12cm]{figuras/gabor-filters}}}{\Fonte{\cite{Kmrinen2012GaborFI}}}
+		\UFCfig{}{\fbox{\includegraphics[width=12cm]{figuras/gabor-filters}}}{\Fonte{\citeonline{Kmrinen2012GaborFI}}}
 \end{figure}
 \FloatBarrier{}
 
@@ -408,7 +408,7 @@ \section{Métricas de similaridade}\label{sec:teorica-metricas-de-similaridade}
           Visualização da distância de manhattan e distância euclidiana.
         }
 		\centering
-		\UFCfig{}{\fbox{\includegraphics[width=8cm]{figuras/manhattan-vs-euclidean}}}{\Fonte{\cite{Singh2019}}}
+		\UFCfig{}{\fbox{\includegraphics[width=8cm]{figuras/manhattan-vs-euclidean}}}{\Fonte{\citeonline{Singh2019}}}
 \end{figure}
 \FloatBarrier{}
 
@@ -534,7 +534,7 @@ \section{LCU}\label{sec:teorica-lcu}
           Iteração do sistema LCU em um grafo planar.
         }
 		\centering
-		\UFCfig{}{\fbox{\includegraphics[width=8cm]{figuras/lcu-iteration}}}{\Fonte{\cite{VerriNetworkUnfoldingMap2018}}}
+		\UFCfig{}{\fbox{\includegraphics[width=8cm]{figuras/lcu-iteration}}}{\Fonte{\citeonline{VerriNetworkUnfoldingMap2018}}}
 \end{figure}
 
 
@@ -680,7 +680,7 @@ \subsection{Modelagem matemática LCU com grafo ponderado}\label{sec:lcu-math}
           Execução em quatro fases da dinâmica coletiva LCU.\@
         }
 		\centering
-		\UFCfig{}{\fbox{\includegraphics[width=16cm]{figuras/lcu-classification}}}{\Fonte{\cite{VerriNetworkUnfoldingMap2018}}}
+		\UFCfig{}{\fbox{\includegraphics[width=16cm]{figuras/lcu-classification}}}{\Fonte{\citeonline{VerriNetworkUnfoldingMap2018}}}
 \end{figure}
 
 \section{EGSIS}\label{sec:teorica-egsis}

2-textuais/3-metodologia.tex

@@ -156,6 +156,6 @@ \subsection{IoU}\label{sec:iou}
           Ilustração das métricas IoU e F1 score.
         }
 		\centering
-		\UFCfig{}{\fbox{\includegraphics[width=10cm]{figuras/metrics}}}{\Fonte{\cite{maxwell2021metrics}}}
+		\UFCfig{}{\fbox{\includegraphics[width=10cm]{figuras/metrics}}}{\Fonte{\citeonline{maxwell2021metrics}}}
 \end{figure}
 \FloatBarrier{}

2-textuais/4-resultados.tex

@@ -6,7 +6,7 @@ \chapter{RESULTADOS}\label{chap:resultados}
 comportamento do método com variações no número de superpixels e
 método de extração de características. Como referência para comparação
 dos resultados, considera-se os métodos avaliados
-em~\cite{wang2023review} no \textit{dataset} GrabCut.
+em~\citeonline{wang2023review} no \textit{dataset} GrabCut.
 
 \footnotetext{Disponível em \url{https://github.com/ryukinix/egsis/releases/tag/0.1.0}}
 
@@ -95,7 +95,7 @@ \section{Avaliação qualitativa}
           Comparação entre diferentes métodos de segmentação interativa no dataset GrabCut.
         }
 		\centering
-		\UFCfig{}{\fbox{\includegraphics[width=16cm]{figuras/grabcut-comparacao}}}{\Fonte{\cite{wang2023review}}}
+		\UFCfig{}{\fbox{\includegraphics[width=16cm]{figuras/grabcut-comparacao}}}{\Fonte{\citeonline{wang2023review}}}
 \end{figure}
 \FloatBarrier{}
 
@@ -139,7 +139,7 @@ \section{Comparação quantitativa com o estado-da-arte da segmentação interat
 Nesta seção, é proposta uma avaliação de como o modelo \gls{EGSIS} se
 compara ao estado-da-arte no problema de segmentação interativa.
 
-No artigo~\citeonline{wang2023review}, é observado um extenso estudo de
+No artigo de~\citeonline{wang2023review}, é observado um extenso estudo de
 revisão sobre os métodos de segmentação interativa baseados em grafos,
 tendo como base o algoritmo GrabCut e outros algoritmos que evoluíram
 nessa área de segmentação interativa de imagens. Os autores avaliam
@@ -182,7 +182,7 @@ \section{Comparação quantitativa com o estado-da-arte da segmentação interat
     $\gls{EGSIS}(s=200, f=comatrix)$ & 0,8877          & 0,9611             & 0,9212          & 0,8578          \\
     \bottomrule
   \end{tabular}
-  \Fonte{Baseado nos resultados encontrados no artigo~\cite{wang2023review}}
+  \Fonte{Baseado nos resultados encontrados no artigo de~\citeonline{wang2023review}}
 \end{table}
 \FloatBarrier{}