Dissertação
Forest Fire Segmentation using Self-Supervised Methods EVALUATED
Os fogos florestais são um dos desastres naturais mais perigosos devido ao seu comportamento volátil e irregular, bem como o seu poder destrutivo. Portanto, o desenvolvimento de métodos para a deteção e segmentação de fogos é de interesse. Este projeto teve como foco o estudo de dois métodos autosupervisionados que permitem a realização de segmentação de objetos em vídeos. Estes não requerem anotações durante o treino e apenas fazem uso de uma máscara do primeiro frame durante o teste. O primeiro método faz uso de cor para a segmentação de objetos, enquanto que o segundo utiliza métodos de atenção para o mesmo fim (MAST). Estes métodos foram desenvolvidos com a intenção de serem aplicados a vídeos captados por UAVs. Uma fase de pós-processamento baseada em CRFs e que utiliza apenas frames sem anotações também foi desenvolvida para melhorar o desempenho dos métodos. O resultado pós-processado mostrou uma melhoria significante de desempenho. Este também foi comparado com o resultado calculado pelo método MAST pré-treinado e por um método supervisionado. Este trabalho marca mais um passo no desenvolvimento de métodos de segmentação de fogos e demonstra a oportunidade do uso de cor e de métodos de atenção nesta tarefa.
novembro 24, 2022, 11:0
Publicação
Obra sujeita a Direitos de Autor
Orientação
ORIENTADOR
Alexandre José Malheiro Bernardino
Departamento de Engenharia Electrotécnica e de Computadores (DEEC)
Professor Associado