Dissertação

{pt_PT=Deep Learning applied to the Semantic Segmentation of the Landslides in Madeira Island} {} EVALUATED

{pt=Todos os anos, a ilha da Madeira é afetada por vários deslizamentos de terra. A 20 de Fevereiro de 2010, estes fenómenos naturais tiveram consequências devastadoras, tirando a vida a 42 pessoas e causando mais de 100 feridos. O objetivo desta tese é efetuar a segmentação semântica nos deslizamentos de terra através de técnicas de aprendizagem automática, distinguindo as suas duas áreas constituintes (cicatriz e transporte). A principal contribuição deste trabalho foi a introdução de aprendizagem profunda para este problema. Usou-se redes neuronais convolucionais, sendo a principal a U-Net com uma ResNet, e explorou-se outras soluções menos comuns, como o uso de redes generativas antagónicas. O uso de aprendizagem profunda levou a uma melhoria dos resultados, em comparação com métodos mais tradicionais, de trabalhos anteriores, observando-se uma subida por volta dos 12% na média do IoU. Este trabalho permitiu uma classificação automática dos deslizamentos de terra na Madeira em poucos segundos, de uma forma mais precisa. No entanto, futuros estudos serão necessários para permitir que haja a classificação em anos posteriores, usando apenas dados de anos passados., en=Every year, a Portuguese island called Madeira is subjected to many landslides. On 20 February 2010, these natural hazards had devastating consequences, killing 42 people and injuring more than 100. The goal of this thesis is to perform semantic segmentation on the landslides with machine learning techniques, distinguishing its two constituting areas (source and transport). Our main contribution was the introduction of deep learning to this problem. Since this has been an on-going research, we compare our results with past works on the semantic segmentation of the landslides in Madeira Island. We used convolutional neural networks, being the U-Net with the ResNet the main one, and explored less common techniques, such as generative adversarial networks. As expected, using Deep learning lead to better predictions, compared to more traditional approaches, with an increase of around 12% in the mean IoU. This work allowed for an automatic classification of the landslides in Madeira Island to be executed in few seconds, in a more precise way than before. However, further studies are needed, in order for the model to be able to classify new events, using only data from previous years.}
{pt=Deslizamentos de terra, Deteção remota, Aprendizagem profunda, Aprendizagem automática, Redes neuronais convolucionais, en=Landslides, Remote sensing, Machine learning, Deep learning, Convolutional neural networks}

Maio 24, 2019, 14:30

Orientação

ORIENTADOR

Pedro Miguel Berardo Duarte Pina

Departamento de Engenharia Civil, Arquitectura e Georrecursos (DECivil)

Professor Auxiliar Convidado

ORIENTADOR

Maria Margarida Campos da Silveira

Departamento de Engenharia Electrotécnica e de Computadores (DEEC)

Professor Auxiliar