Fechar

1. Identificação
Tipo de ReferênciaArtigo em Evento (Conference Proceedings)
Sitemarte2.sid.inpe.br
Identificador8JMKD3MGP6W34M/3U257BE
Repositóriosid.inpe.br/marte2/2019/09.06.17.17
Última Atualização2019:09.06.17.17.52 (UTC) administrator
Repositório de Metadadossid.inpe.br/marte2/2019/09.06.17.17.53
Última Atualização dos Metadados2019:12.13.01.17.16 (UTC) administrator
ISBN978-85-17-00097-3
Chave de CitaçãoFerreiraCuéHapTheFei:2019:MaEuPl
TítuloMapping eucalyptus plantations and natural forest areas in Landsat-TM images using deep learning
FormatoInternet
Ano2019
Data de Acesso04 maio 2024
Tipo SecundárioPRE CN
Número de Arquivos1
Tamanho1980 KiB
2. Contextualização
Autor1 Ferreira, Matheus Pinheiro
2 Cué La Rosa, Laura Elena
3 Happ, Patrick Nigri
4 Theobald, Raissa Brand
5 Feitosa, Raul Queroz
Afiliação1 Instituto Militar de Engenharia (IME)
2 Pontifícia Universidade Católica do Rio de Janeiro (PUC-Rio)
3 Pontifícia Universidade Católica do Rio de Janeiro (PUC-Rio)
4 Instituto Militar de Engenharia (IME)
5 Pontifícia Universidade Católica do Rio de Janeiro (PUC-Rio)
Endereço de e-Mail do Autor1 matheus@ime.eb.br
2 lauracue@ele-puc-rio.br
3 patrick@ele.puc-rio.br
4
5 raul@ele.puc-rio.br
EditorGherardi, Douglas Francisco Marcolino
Sanches, Ieda DelArco
Aragão, Luiz Eduardo Oliveira e Cruz de
Nome do EventoSimpósio Brasileiro de Sensoriamento Remoto, 19 (SBSR)
Localização do EventoSantos
Data14-17 abril 2019
Editora (Publisher)Instituto Nacional de Pesquisas Espaciais (INPE)
Cidade da EditoraSão José dos Campos
Páginas2650-2653
Título do LivroAnais
Tipo Terciáriofull paper
OrganizaçãoInstituto Nacional de Pesquisas Espaciais (INPE)
Histórico (UTC)2019-11-04 13:12:42 :: simone -> administrator :: 2019
2019-12-13 01:17:16 :: administrator -> simone :: 2019
3. Conteúdo e estrutura
É a matriz ou uma cópia?é a matriz
Estágio do Conteúdoconcluido
Transferível1
Palavras-ChaveConvolutional Neural Networks
patchclassification
random forest
satellite images
tropical forests
ResumoAutomatic mapping of planted and natural forests using satellite images is a challenging task due to spectral similarity issues. In this work, we assessed the use of Convolutional Neural Networks (CNNs) to discriminate between natural forest areas and eucalyptus plantations in a Landsat-TM scene. First, we produced training and testing datasets with data from the MapBiomas project. Then, CNNs were trained with input patches of different sizes (55, 77, 9 9 and 11 11 pixels) to evaluate the influence of patch dimension in the classification accuracy. For comparison, pixel-wise and patch-classification were performed using the Random Forest (RF) algorithm. The best results were obtained using CNNs with 5 5 patches. In this scenario, the F-score was of 97.64% for natural forests and 95.49% for eucalyptus plantations. The classification errors reached 9.06% using RF and did not exceed 3% with CNNs.
ÁreaSRE
TipoFloresta e outros tipos de vegetação
Arranjo 1urlib.net > BDMCI > Fonds > SBSR > SBSR 19 > Mapping eucalyptus plantations...
Arranjo 2urlib.net > BDMCI > Fonds > Produção anterior à 2021 > DIDSR > SBSR 19 > Mapping eucalyptus plantations...
Arranjo 3Projeto Memória 60... > Livros e livros editados > SBSR 19 > Mapping eucalyptus plantations...
Conteúdo da Pasta docacessar
Conteúdo da Pasta sourcenão têm arquivos
Conteúdo da Pasta agreementnão têm arquivos
4. Condições de acesso e uso
URL dos dadoshttp://urlib.net/ibi/8JMKD3MGP6W34M/3U257BE
URL dos dados zipadoshttp://urlib.net/zip/8JMKD3MGP6W34M/3U257BE
Idiomapt
Arquivo Alvo97365.pdf
Grupo de Usuáriossimone
Visibilidadeshown
Licença de Direitos Autoraisurlib.net/www/2012/11.12.15.19
Detentor dos Direitosoriginalauthor yes
Permissão de Atualizaçãonão transferida
5. Fontes relacionadas
Repositório Espelhourlib.net/www/2011/03.29.20.55
Unidades Imediatamente Superiores8JMKD3MGP6W34M/3UCAT7H
Lista de Itens Citandosid.inpe.br/marte2/2019/11.08.12.52 2
sid.inpe.br/marte2/2023/05.18.17.15 1
Acervo Hospedeirodpi.inpe.br/marte2/2013/05.17.15.03.06
6. Notas
Campos Vaziosarchivingpolicy archivist callnumber contenttype copyholder creatorhistory descriptionlevel dissemination doi e-mailaddress edition group holdercode issn label lineage mark nextedition notes numberofvolumes orcid parameterlist parentrepositories previousedition previouslowerunit progress project readergroup readpermission resumeid schedulinginformation secondarydate secondarykey secondarymark serieseditor session shorttitle sponsor subject tertiarymark url versiontype volume
7. Controle da descrição
e-Mail (login)simone
atualizar 


Fechar