Advanced search options

Advanced Search Options 🞨

Browse by author name (“Author name starts with…”).

Find ETDs with:

in
/  
in
/  
in
/  
in

Written in Published in Earliest date Latest date

Sorted by

Results per page:

You searched for subject:(sat lite landsat). One record found.

Search Limiters

Last 2 Years | English Only

No search limiters apply to these results.

▼ Search Limiters

1. Costa, Fernanda Caetano. Segmenta??o sem?ntica de ?reas desmatadas utilizando Redes Neurais Convolucionais no sul da Amaz?nia Legal.

Degree: 2020, Universidade Federal do Amazonas

Neste trabalho propomos a utiliza??o de redes neurais convolucionais para segmenta??o de ?reas desmatadas na regi?o do sul da Amaz?nia Legal em imagens de sat?lite Landsat-8. Para realiza??o deste trabalho foi constru?do um banco de imagens mosaico, composto por amostras de ?reas desmatadas e ?reas de floresta extra?das das imagens de sat?lite Landsat- 8, identificando as ?reas desmatadas atrav?s da utiliza??o dos dados de desmatamento do projeto PRODES do INPE. As arquiteturas de redes convolucionais utilizadas foram as propostas no trabalho de Serr?o et al. (2020) e de Miyagawa et al. (2018). O treinamento das redes foi realizado com 32 ?pocas utilizando m?todos de otimiza??o SGDM, RMSProp e ADAM e os m?todos de regulariza??o L2 e Dropout. Combinando as tr?s arquiteturas com esses m?todos, totalizaram 36 simula??es. Para avaliar o desempenho das arquiteturas para segmenta??o das ?reas desmatadas, permitindo uma compara??o entre os modelos, foi escolhida a m?trica acur?cia. Ap?s a avalia??o do desempenho dos modelos no conjunto de valida??o, seis deles foram selecionados para serem avaliados com o conjunto de teste. O modelo que apresentou o melhor resultado, uma acur?cia de 99.97%, foi o que utilizou a seguinte combina??o: CNN2 + RMSProp + Dropout. O resultado deste trabalho foi comparado com os resultados dos trabalhos de Ortega et al. (2019), Adarme et al. (2020) e De Bem et al. (2020) tendo obtido resultados superiores ?queles obtidos por esses autores. Os resultados mostraram que as redes neurais convolucionais s?o capazes de realizar com alto desempenho a tarefa de segmenta??o de ?reas desmatadas

In this work, we propose the evaluation of convolutional neural networks architectures to segment deforested areas in the southern region of the Brazilian Legal Amazon, using Landsat-8 satellite images. In order to carry out this work, a mosaic image data set was elaborated, consisting of samples of deforested areas and forest areas extracted from the Landsat-8 satellite images. The deforested areas were identified through the use of deforestation data from the PRODES project at INPE. The architectures of convolutional networks used in our research were those proposed in the work of Serr?o et al. (2020) and Miyagawa et al. (2018). The training of the networks was carried out over 32 epochs using SGDM, RMSProp and ADAM optimization methods and the L2 and Dropout regularization methods. The combining of the three architectures with these methods, resulting in 36 simulations. To measure the performance of the architectures for segmented deforested region, allowing a comparison between the models, the accuracy metric was chosen. After evaluating the performance of the models in the validation set, six of them were selected to be evaluated with the test set. The model that presented the best result, with an accuracy of 99.97%, was the one that used the following combination: CNN2 + RMSProp + Dropout. The results of this work were compared with the results of the work of Ortega et al.…

Advisors/Committee Members: Costa Filho, C?cero Ferreira Fernandes, http://lattes.cnpq.br/3029011770761387, Pereira, Jos? Raimundo Gomes, http://lattes.cnpq.br/3697983438100904, Xavier, Clahildek Matos, http://lattes.cnpq.br/6870670168555921.

Subjects/Keywords: Redes neurais (Computa??o); Algoritmos computacionais; Sat?lite Landsat-8; Segmenta??o de ?reas desmatadas; Amaz?nia Legal; ENGENHARIAS; ?reas Desmatadas; Redes Neurais Convolucionais; Imagem-Mosaico; Landsat-8; Segmenta??o; Algoritmos de otimiza??o; T?cnicas de regulariza??o

Record DetailsSimilar RecordsGoogle PlusoneFacebookTwitterCiteULikeMendeleyreddit

APA · Chicago · MLA · Vancouver · CSE | Export to Zotero / EndNote / Reference Manager

APA (6th Edition):

Costa, F. C. (2020). Segmenta??o sem?ntica de ?reas desmatadas utilizando Redes Neurais Convolucionais no sul da Amaz?nia Legal. (Masters Thesis). Universidade Federal do Amazonas. Retrieved from https://tede.ufam.edu.br/handle/tede/8028

Chicago Manual of Style (16th Edition):

Costa, Fernanda Caetano. “Segmenta??o sem?ntica de ?reas desmatadas utilizando Redes Neurais Convolucionais no sul da Amaz?nia Legal.” 2020. Masters Thesis, Universidade Federal do Amazonas. Accessed February 28, 2021. https://tede.ufam.edu.br/handle/tede/8028.

MLA Handbook (7th Edition):

Costa, Fernanda Caetano. “Segmenta??o sem?ntica de ?reas desmatadas utilizando Redes Neurais Convolucionais no sul da Amaz?nia Legal.” 2020. Web. 28 Feb 2021.

Vancouver:

Costa FC. Segmenta??o sem?ntica de ?reas desmatadas utilizando Redes Neurais Convolucionais no sul da Amaz?nia Legal. [Internet] [Masters thesis]. Universidade Federal do Amazonas; 2020. [cited 2021 Feb 28]. Available from: https://tede.ufam.edu.br/handle/tede/8028.

Council of Science Editors:

Costa FC. Segmenta??o sem?ntica de ?reas desmatadas utilizando Redes Neurais Convolucionais no sul da Amaz?nia Legal. [Masters Thesis]. Universidade Federal do Amazonas; 2020. Available from: https://tede.ufam.edu.br/handle/tede/8028

.