Dissertação
Vision Transformers for Remote Sensing Image Segmentation EVALUATED
Segmentação de imagens é atualmente um tema muito discutido no contexto de observação da Terra através de sensoriamento remoto. Investigação recente introduziu vários modelos novos desenhados especificamente para segmentação de imagens capturadas remotamente, normalmente com arquiteturas sofisticadas e mecanismos porpositadamente construídos para este domínio. Por outro lado, este trabalho explora o uso de Transformadores recentes de uso geral para segmentação de imagens neste mesmo contexto, com ênfase na estratégia de treino adotada e na sua influência no desempenho do modelo. Foram testados modelos de diferentes dimensões, assim como uma variedade de possibilidades no que toca à estratégia de treino, incluíndo uma adaptação para imagens com quatro canais, sobre dois datasets utilizados em estudos anteriores. Os resultados mostram que modelos de uso geral são competitivos com o atual estado-da-arte, sem dependerem de arquiteturas construídas porpositadamente para imagens capturadas remotamente. Para além disso, este trabalho testou também dois descodificadores de topo específicos deste domínio emparelhados com um codificador mais recente, o que levou a uma melhoria no desempenho destes modelos face aos originais. Por fim, é também proposta uma nova técnica de feature augmentation que promove equivariância espacial e rotacional em modelos baseados em Transformadores.
junho 26, 2023, 10:30
Publicação
Obra sujeita a Direitos de Autor
Orientação
ORIENTADOR
Bruno Emanuel Da Graça Martins
Departamento de Engenharia Electrotécnica e de Computadores (DEEC)
Professor Associado
