USO DE APRENDIZAGEM DE MÁQUINA E REDES NEURAIS CONVOLUCIONAIS PROFUNDAS PARA A CLASSIFICAÇĂO DE ÁREAS QUEIMADAS EM IMAGENS DE ALTA RESOLUÇĂO ESPACIAL
Item
-
Título
-
USO DE APRENDIZAGEM DE MÁQUINA E REDES NEURAIS CONVOLUCIONAIS PROFUNDAS PARA A CLASSIFICAÇĂO DE ÁREAS QUEIMADAS EM IMAGENS DE ALTA RESOLUÇĂO ESPACIAL
-
lista de autores
-
PETRONIO DIEGO SILVA DE OLIVEIRA
-
Resumo
-
OS INCĘNDIOS FLORESTAIS QUEIMAM ENORME QUANTIDADE DE ÁREAS EM TODO O MUNDO PROVOCANDO DANOS ECOLÓGICOS ECONÔMICOS SOCIAIS E Ŕ SAÚDE. O BIOMA CERRADO COM AS PECULIARIDADES DE SER UMA SAVANA POSSUI RELAÇĂO COM INCĘNDIOS SENDO AFETADA POR ESSE TIPO DE OCORRĘNCIA. O MONITORAMENTO DESSES EVENTOS DE FOGO FAVORECE A COMPREENSĂO E ENTENDIMENTO DAS OCORRĘNCIAS SENDO O SENSORIAMENTO REMOTO FERRAMENTA ADEQUADA PARA OBTENÇĂO DE DADOS RELATIVOS AO FOGO EM DIFERENTES ESCALAS. O USO DE MACHINE LEARNING E DEEP LEARNING EM SENSORIAMENTO REMOTO POSSUI DIVERSAS FINALIDADES SENDO A CLASSIFICAÇĂO DE IMAGENS UMA IMPORTANTE COMPONENTE. NESSE ESTUDO TRĘS ALGORITMOS DE MACHINE LEARNING (SUPPORT VECTOR MACHINE K-NEAREST NEIGHBORS E RANDOM FOREST) E A CONVOLUTIONAL NEURAL NETWORK (CNN) FORAM TESTADOS PARA A CLASSIFICAÇĂO DE IMAGENS DA FROTA SKYSAT DA PLANET COM ALTA RESOLUÇĂO ESPACIAL VISANDO Ŕ IDENTIFICAÇĂO DE ÁREAS QUEIMADAS. A CLASSIFICAÇĂO FOI FEITA POR MEIO DE CENAS INDIVIDUAIS COM COLETA DE AMOSTRAS PARA TREINAMENTO E POSTERIOR CLASSIFICAÇĂO. OS RESULTADOS DAS CLASSIFICAÇŐES FORAM AVALIADOS POR MEIO DA EXATIDĂO GLOBAL COEFICIENTE KAPPA E AUROC E CONFRONTADOS ENTRE SI. A CNN OBTEVE OS MELHORES RESULTADOS SENDO SEGUIDA PELO KNN SVM E RF. EM RELAÇĂO Ŕ ACURÁCIA NĂO FOI EVIDENCIADA GRANDE DIFERENÇA ENTRE OS MÉTODOS SENDO NECESSÁRIOS NOVOS ESTUDOS BUSCANDO AVALIAR DIFERENTES CLASSIFICAÇŐES.
-
Abstract
-
FOREST FIRES BURNS HUGE NUMBER OF AREAS AROUND THE WORLD CAUSING ECOLOGICAL ECONOMIC SOCIAL AND HEALTH DAMAGE. THE CERRADO BIOME WITH ITS PECULIARITIES OF BEING A SAVANNAH IS RELATED TO FIRES BEING AFFECTED BY THIS TYPE OF OCCURRENCE. THE MONITORING OF FIRE EVENTS FAVORS THE UNDERSTANDING OF OCCURRENCES AND REMOTE SENSING IS AN ADEQUATE TOOL TO OBTAIN FIRE DATA AT DIFFERENT SCALES. THE USE OF MACHINE LEARNING AND CONVOLUTIONAL NEURAL NETWORKS IN REMOTE SENSING HAVE SEVERAL PURPOSES AND IMAGE CLASSIFICATION IS AN IMPORTANT COMPONENT. IN THIS STUDY THREE MACHINE LEARNING ALGORITHMS (SUPPORT VECTOR MACHINE K-NEAREST NEIGHBORS AND RANDOM FOREST) AND A CONVOLUTIONAL NEURAL NETWORK - CNN WERE TESTED FOR THE CLASSIFICATION OF IMAGES FROM THE PLANET'S SKYSAT FLEET WITH A HIGH SPATIAL RESOLUTION FOR THE IDENTIFICATION OF BURNED AREAS. THE CLASSIFICATION WAS MADE IN INDIVIDUAL SCENES WITH SAMPLE COLLECTION FOR TRAINING AND SUBSEQUENT CLASSIFICATION. THE RESULTS OF THE CLASSIFICATIONS WERE EVALUATED BY GLOBAL ACCURACY KAPPA INDEX AND AUROC AND COMPARED TO EACH OTHER. CNN OBTAINED THE BEST RESULTS BEING FOLLOWED BY KNN SVM AND RF. REGARDING ACCURACY THERE WAS NO EVIDENCE OF GREAT DIFFERENCE BETWEEN THE METHODS AND FURTHER STUDIES ARE NEEDED TO EVALUATE DIFFERENT CLASSIFICATIONS.
-
Palavras Chave
-
INCĘNDIOS FLORESTAIS
-
CLASSIFICAÇĂO DE IMAGENS
-
APRENDIZADO DE MÁQUINA
-
APRENDIZADO PROFUNDO
-
Key Words
-
WILDFIRES
-
IMAGE CLASSIFICATION
-
MACHINE LEARNING
-
DEEP LEARNING
-
Tipo
-
MESTRADO
-
Universidade
-
UNIVERSIDADE DE BRASÍLIA
-
Data
-
2019
-
Páginas
-
34
-
Localização
-
BCE.UNB.BR
-
Orientador
-
OSMAR ABILIO DE CARVALHO JUNIOR
-
Programa
-
GEOGRAFIA
-
Sigla Universidade
-
UNB
-
Área de Concentração
-
GESTĂO AMBIENTAL E TERRITORIAL
-
Língua
-
Português
-
email
-
\N