Dissertação

Land Classification Using Deep Neural Networks Applied to Satellite Imagery Combined with Ground-Level Images EVALUATED

Com o aumento exponencial de imagens georeferenciadas de alta qualidade, acerca do nosso planeta, disponíveis na internet, em conjunto com o avanço e melhoria dos últimos anos a nível computacional e algorítmico, a tarefa de classificação de terreno torna-se à partida mais fidedigna. Isto promove que, quando aplicadas técnicas de aprendizagem profunda a estas imagens, se obtenham melhores e mais precisos resultados. Neste momento, para além de se utilizar exclusivamente estas imagens de alta resolução para treinar modelos de aprendizagem profunda, é possível utilizar em conjunto modelos de elevação de terreno para que se obtenha uma maior precisão a nível das áreas visíveis de uma fotografia, de forma a que haja uma melhor classificação do terreno. O mapeamento de actividades humanas associadas a terreno ou minimização de catástrofes naturais são duas possíveis aplicações (de muitas) de um Sistema de Informação Geográfica (SIG) que certamente serão benéficas para o nosso conhecimento geográfico. Este trabalho apresenta um estudo novo em relação à viabilidade de aplicar redes de aprendizagem profunda em conjunto com técnicas de análise de visibilidade a imagens de satélite e imagens ao nível do chão para classificar terreno, quer de épocas atuais em que existem imagens de satélite para auxiliar, como em épocas passadas em que não há registos de imagens de satélite de terreno.
Rede Neural Convolucional, Modelos Digitais de Elevação, Classificação de terreno, Análise espacial, Análise de visibilidade

Maio 28, 2019, 9:0

Documentos da dissertação ainda não disponíveis publicamente

Orientação

ORIENTADOR

Bruno Emanuel Da Graça Martins

Departamento de Engenharia Informática (DEI)

Professor Auxiliar

ORIENTADOR

João Carlos Gomes Moura Pires

FCT-Universidade Nova de Lisboa

Investigador Auxiliar