%0 Conference Proceedings
%4 sid.inpe.br/marte2/2023/05.04.12.27
%2 sid.inpe.br/marte2/2023/05.04.12.27.02
%@isbn 978-65-89159-04-9
%T Detecção de rodovias rurais em imagens orbitais através do emprego de redes neurais convolucionais
%D 2023
%A Collegio, Gustavo Rota,
%A Guimarães Filho, Antonio Gaudencio,
%A Dal Poz, Aluir Porfirio,
%@affiliation Universidade Estadual Paulista (UNESP)
%@affiliation Universidade Estadual Paulista (UNESP)
%@affiliation Universidade Estadual Paulista (UNESP)
%@electronicmailaddress gustavo.collegio@unesp.br
%@electronicmailaddress guimares.filho@unesp.br
%@electronicmailaddress aluir.dal-poz@unesp.br
%E Gherardi, Douglas Francisco Marcolino,
%E Aragão, Luiz Eduardo Oliveira e Cruz de,
%E Sanches, Ieda DelArco,
%B Simpósio Brasileiro de Sensoriamento Remoto, 20 (SBSR)
%C Florianópolis
%8 02-05 abril 2023
%I Instituto Nacional de Pesquisas Espaciais (INPE)
%J São José dos Campos
%P e155847
%S Anais
%1 Instituto Nacional de Pesquisas Espaciais (INPE)
%K Detecção de rodovias, RNC/U-Net, segmentação semântica,detection, CNN/U-Net, semantic segmentation.
%X A detecção de rodovias por meio de imagens orbitais apresenta relevância significativa na comunidade científica em função das diversas aplicações que as concerne, tais como: planejamento urbano, atualização de banco de dados cartográficos etc. O método proposto se baseia em uma Rede Neural Convolucional (RNC), daqui em diante identificada como RNC/U-Net, que visa a detecção de rodovias em regiões rurais, por meio de um processo denominado segmentação semântica. A área teste usada para avaliar o método se localiza no estado do Mato Grosso. A RNC/U-Net alcançou 58,44% de recall e 49,65% de precision, com 36,26% de Intersection-Over-Union. Os resultados obtidos mostraram que a arquitetura é eficiente na detecção de rodovias rurais; no entanto para aquelas de caráter radiométrico e geométrico similar com outros alvos, a RNC/U-Net ainda é passível de aperfeiçoamentos e adaptações, visando contribuição direta na segmentação das rodovias. ABSTRACT: Road detection through orbital images is extremely relevant in the scientific community due to the various applications that concern them, such as urban planning, cartographic databases updating etc. The proposed method is based on a Convolutional Neural Network (CNN), from here on identified as CNN/U-Net, that aims at detecting roads is rural regions, through a process that is known as semantic segmentation. The test area used to evaluate the proposed method is localized in Mato Grosso state. The RNC/U-Net reached 58.44% of recall and 49.65% of precision, with 36.26% of Intersection-Over-Union. The results obtained showed that the architecture was efficient in detecting rural roads, however, for those of radiometric and geometric character similar to other targets, the RNC/U-Net is still subject to improvements and adaptations, aiming at a direct contribution to the segmentation of roads.
%9 Cartografia e fotogrametria
%@language pt
%3 155847.pdf