Dissertação
Semantic Segmentation and Colorization of Grayscale Aerial Imagery with W-Net Models EVALUATED
A segmentação semântica de imagens aéreas detetadas remotamente é atualmente uma tarefa amplamente explorada, que consiste em determinar, para cada píxel numa imagem, a classe mais provável a que esse píxel pertence desde um conjunto de possíveis classes. No âmbito de imagens de alta resolução para áreas urbanas, podemos assim discriminar a que classe um determinado píxel pertence: estrada, edifício ou vegetação. Os trabalhos anteriores têm abordado a segmentação semântica em aplicação a imagens modernas de alta resolução. No entanto, existem também aplicações importantes para a segmentação de imagens históricas a preto e branco. Exemplos incluem o desenvolvimento de mapas de estradas históricos, ou a desagregação dasimétrica de dados históricos considerando contornos de localização para edifícios. Considerando métodos recentes baseados em redes neuronais totalmente convolucionais, e tendo como objetivo a segmentação de imagens aéreas a preto e branco, avaliei o comportamento de uma versão modificada do modelo W-Net que tem alcançado bons resultados em outros tipos de tarefas de segmentação. O modelo W-Net proposto é treinado para simultaneamente segmentar as imagens e reconstruir (ou inferir) a cor das imagens fornecidas a partir de representações intermédias. Através de experiências com conjuntos de imagens que têm sido utilizados frequentemente em trabalhos anteriores, foi possível averiguar que a arquitetura W-Net proposta produz bons resultados tanto para a tarefa de colorir como para a de segmentar as imagens. A arquitetura proposta supera um sistema base considerado como referência, e também supera outras abordagens, propostas recentemente na literatura, quando considerando a segmentação de imagens coloridas.
novembro 20, 2019, 16:30
Publicação
Obra sujeita a Direitos de Autor
Orientação
ORIENTADOR
Bruno Emanuel Da Graça Martins
Departamento de Engenharia Informática (DEI)
Professor Auxiliar
