Dissertação

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

{pt=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., en=With the exponential growth of georeferenced labeled and high-detailed imagery information of our world available on the web, combined with both computational power and the algorithms improvements from the last years, the land classification task becomes more reliable from the start, and thus it is possible to achieve sharper results when applying deep learning techniques to that imagery. Besides using exclusively high resolution data to train deep learning models, we can now apply it to terrain elevation models in order to have a more precise information about the visibility areas of a picture to better classify the land. Mapping the multiple sources of human activity involved in land or minimizing natural hazards, are two of many applications of a Geographic Information System (GIS), and our geographic knowledge discovery benefits from having this kind of information. This work advances a new study on the feasibility of applying deep neural networks and visibility analysis techniques to a combination of satellite imagery and ground-level images to classify land, either from nowadays (that contain satellite imagery) and also from past periods of time, when satellite imagery was not available but only ground-level photographs.}
{pt=Rede Neural Convolucional, Modelos Digitais de Elevação, Classificação de terreno, Análise espacial, Análise de visibilidade, en=Convolutional Neural Network, Digital Elevation Models, Land Cover, Spatial analysis, Visibility analysis}

Maio 28, 2019, 9:0

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