| 1. Identificação | ||||
| Tipo de Referência | Relatório (Report) | |||
| Site | mtc-m21d.sid.inpe.br | |||
| Código do Detentor | isadg {BR SPINPE} ibi 8JMKD3MGPCW/3DT298S | |||
| Identificador | 8JMKD3MGP3W34T/49TCH4B | |||
| Repositório | sid.inpe.br/mtc-m21d/2023/09.29.18.33 | |||
| Última Atualização | 2023:09.29.18.39.10 (UTC) simone | |||
| Repositório de Metadados | sid.inpe.br/mtc-m21d/2023/09.29.18.33.55 | |||
| Última Atualização dos Metadados | 2023:09.29.18.40.17 (UTC) simone | |||
| Chave de Citação | PereiraSantShig:2022:AnTéAp | |||
| Título | Análise de técnicas de aprendizado profundo e de aprendizado de máquina tradicional para classificação de imagens de drones  | |||
| Projeto | Emprego de inteligência artificial na escolha automática de algoritmos e parâmetros de técnicas de processamento de imagens obtidas por Drones para aplicações no sensoriamento remotoAnálise de técnicas de aprendizado profundo e de aprendizado de máquina tradicional para classificação de imagens de drones | |||
| Ano | 2022 | |||
| Data de Acesso | 02 jun. 2024 | |||
| Tipo | RPQ | |||
| Número de Páginas | 45 | |||
| Número de Arquivos | 2 | |||
| Tamanho | 3567 KiB | |||
| 2. Contextualização | ||||
| Autor | 1 Pereira, Hércules Carlos dos Santos 2 Santiago Júnior, Valdivino Alexandre de 3 Shiguemori, Elcio Hideiti | |||
| Identificador de Curriculo | 1 2 8JMKD3MGP5W/3C9JJB5 | |||
| Grupo | 1 2 COPDT-CGIP-INPE-MCTI-GOV-BR | |||
| Afiliação | 1 Universidade Paulista (UNIP) 2 Instituto Nacional de Pesquisas Espaciais (INPE) 3 IEAv - DCTA | |||
| Endereço de e-Mail do Autor | 1 herculesc635@gmail.com; herculesc60@gmail.com 2 valdivino.santiago@inpe.br 3 elciohs@gmail.com | |||
| Endereço de e-Mail | herculesc635@gmail.com | |||
| Instituição | Instituto Nacional de Pesquisas Espaciais | |||
| Cidade | São José dos Campos | |||
| Histórico (UTC) | 2023-09-29 18:39:11 :: simone :: 2022 -> 2023 2023-09-29 18:40:16 :: simone :: 2023 -> 2022 | |||
| 3. Conteúdo e estrutura | ||||
| É a matriz ou uma cópia? | é a matriz | |||
| Estágio do Conteúdo | concluido | |||
| Transferível | 1 | |||
| Palavras-Chave | drones inteligência artificial aprendizado de máquina aprendizado profundo processamento de imagens redes neurais convolucionais | |||
| Resumo | Os veículos aéreos não tripulados (VANTs), ou drones, são usados em diversas aplicações tais como segurança, sensoriamento remoto, em âmbito militar, entre outros. A classificação automática de imagens obtidas por drones é importante para, por exemplo, melhorar a autonomia desses sistemas no que tange à resposta a desastres e situações de emergências em áreas de difícil acesso. O objetivo desta pesquisa é fazer uma análise de técnicas de aprendizado profundo e de aprendizado de máquina tradicional para classificação de imagens de drones. Com isso, espera-se determinar se é mais viável usar uma rede neural profunda apenas como extrator de características das imagens, deixando a tarefa de classificação para algoritmos de aprendizado de máquina tradicional, ou se é mais relevante usar uma rede neural profunda tanto como extrator de características mas também como classificador. Em uma primeira etapa, foi considerada uma abordagem de classificação multiclasse (4 classes), onde foi realizado um processo de aumento de dados (data augmentation) sobre o conjunto de treinamento. Portanto, fez-se a avaliação das seguintes redes neurais convolucionais (CNNs) como extratores de características: EfficientNetB0, EfficientNetB7, EfficientNetV2L, MobileNet, NASNetLarge e VGG-16. Como classificadores, foram usados: regressão logística, rede neural artificial e support vector machines (SVMs). Os resultados demonstram que o extrator EfficientNetB0 junto ao classificador SVM tiveram os melhores resultados, se comparados com as demais técnicas de extrator e classificador, atingindo acerto de até 99,6% nas métricas, Acurácia, F1-Score, Precision , Recall e Tempo de execução. | |||
| Área | COMP | |||
| Arranjo 1 | urlib.net > BDMCI > Fonds > Produção a partir de 2021 > CGIP > Análise de técnicas... | |||
| Arranjo 2 | Análise de técnicas... | |||
| Conteúdo da Pasta doc | acessar | |||
| Conteúdo da Pasta source | não têm arquivos | |||
| Conteúdo da Pasta agreement |
| |||
| 4. Condições de acesso e uso | ||||
| URL dos dados | http://mtc-m21d.sid.inpe.br/ibi/8JMKD3MGP3W34T/49TCH4B | |||
| URL dos dados zipados | http://mtc-m21d.sid.inpe.br/zip/8JMKD3MGP3W34T/49TCH4B | |||
| Idioma | pt | |||
| Arquivo Alvo | Relatorio_Final_Hercules_Carlos_dos_Santos_Pereira.pdf | |||
| Grupo de Usuários | simone | |||
| Visibilidade | shown | |||
| Detentor dos Direitos | originalauthor yes | |||
| Permissão de Leitura | allow from all | |||
| Permissão de Atualização | não transferida | |||
| 5. Fontes relacionadas | ||||
| Unidades Imediatamente Superiores | 8JMKD3MGPCW/46KUES5 8JMKD3MGPDW34P/47KJQBP | |||
| Lista de Itens Citando | sid.inpe.br/mtc-m16c/2022/09.14.20.14 3 sid.inpe.br/bibdigital/2022/04.03.23.11 1 sid.inpe.br/mtc-m21/2012/07.13.15.01.24 1 | |||
| Acervo Hospedeiro | urlib.net/www/2021/06.04.03.40 | |||
| 6. Notas | ||||
| Notas | Bolsa PIBIC/PIBITI/INPE/CNPq. | |||
| Campos Vazios | archivingpolicy archivist callnumber contenttype copyholder copyright creatorhistory date descriptionlevel dissemination doi edition format isbn issn label lineage mark mirrorrepository nextedition orcid parameterlist parentrepositories previousedition previouslowerunit progress readergroup recipient reportnumber schedulinginformation secondarydate secondarykey secondarymark secondarytype session shorttitle sponsor subject tertiarymark tertiarytype translator url versiontype | |||
| 7. Controle da descrição | ||||
| e-Mail (login) | simone | |||
| atualizar | ||||