FenixEdu™

Dissertação

Deteção de incêndios florestais através de aprendizagem auto-supervisionada EVALUATED

Detalhes: Os incêndios florestais são um dos desastres mais árduos de controlar, sendo por isso responsáveis por milhares de hectares ardidos, infraestruturas destruídas e vidas perdidas, todos os anos e em todo o mundo. Para desenvolver sistemas robustos capazes de detetar e localizar incêndios florestais com elevada eficácia através de aprendizagem supervisionada é necessário adquirir conjuntos de dados legendados extensos. Porém, a quantidade de imagens com anotações disponíveis é reduzida dificultando assim o desenvolvimento deste tipo de métodos. Por outro lado, existem milhares de imagens sem anotações disponíveis online, contudo, produzir as respetivas legendas é uma tarefa dispendiosa quer a nível de tempo e quer a nível monetário. Desta forma, esta tese pretende tirar partido das imagens não legendadas recorrendo à aprendizagem auto-supervisionada e cujo objetivo final é obter-se um modelo de classificação de fogo numa imagem. Em suma, foi desenvolvida uma metodologia que está dividida em duas fases. Primeiramente, é treinado um modelo a resolver determinadas tarefas, distintas da tarefa final, através das imagens não legendadas. Posteriormente, utilizando parte do modelo previamente ensinado em conjunto com os escassos dados legendados, treina-se o classificador final. Em comparação com modelos treinados apenas com um conjunto escasso de imagens legendadas, o sistema proposto atinge uma melhor performance, demonstrando a vantagem de utilizar as imagens não legendadas.
Keywords: Aprendizagem Auto-supervisionada, Aprendizagem Profunda, Incêndios Florestais, Redes Neuronais Convolucionais, UAVs

Discussão: dezembro 7, 2021, 10:15