Fechar

1. Identificação
Tipo de ReferênciaArtigo em Revista Científica (Journal Article)
Sitemtc-m21c.sid.inpe.br
Código do Detentorisadg {BR SPINPE} ibi 8JMKD3MGPCW/3DT298S
Identificador8JMKD3MGP3W34R/44NRRQL
Repositóriosid.inpe.br/mtc-m21c/2021/05.24.16.15   (acesso restrito)
Última Atualização2021:05.24.16.15.35 (UTC) administrator
Repositório de Metadadossid.inpe.br/mtc-m21c/2021/05.24.16.15.35
Última Atualização dos Metadados2022:04.03.22.28.42 (UTC) administrator
DOI10.1109/LGRS.2020.2986407
ISSN1545-598X
Chave de CitaçãoMarettoFoJaKöBePa:2021:SpDeLe
TítuloSpatio-Temporal Deep Learning Approach to Map Deforestation in Amazon Rainforest
Ano2021
MêsMay
Data de Acesso20 maio 2024
Tipo de Trabalhojournal article
Tipo SecundárioPRE PI
Número de Arquivos1
Tamanho4455 KiB
2. Contextualização
Autor1 Maretto, Raian Vargas
2 Fonseca, Leila Maria Garcia
3 Jacobs, Nathan
4 Körting, Thales Sehn
5 Bendini, Hugo do Nascimento
6 Parente, Leandro L.
Identificador de Curriculo1
2 8JMKD3MGP5W/3C9JHLD
ORCID1 0000-0002-4983-2700
2
3 0000-0002-4242-8967
4 0000-0002-0876-0501
Grupo1 SER-SRE-DIPGR-INPE-MCTI-GOV-BR
2 DIOTG-CGCT-INPE-MCTI-GOV-BR
3
4 DIOTG-CGCT-INPE-MCTI-GOV-BR
5 SER-SRE-DIPGR-INPE-MCTI-GOV-BR
Afiliação1 Instituto Nacional de Pesquisas Espaciais (INPE)
2 Instituto Nacional de Pesquisas Espaciais (INPE)
3
4 Instituto Nacional de Pesquisas Espaciais (INPE)
5 Instituto Nacional de Pesquisas Espaciais (INPE)
Endereço de e-Mail do Autor1 rvmaretto@gmail.com
2 leilamgfonseca@gmail.com
3
4 contato.tsk@gmail.com
5 hnbendini@gmail.com
RevistaIEEE Geoscience and Remote Sensing Letters
Volume18
Número5
Páginas771-775
Nota SecundáriaA1_GEOGRAFIA A1_ENGENHARIAS_IV A2_INTERDISCIPLINAR A2_GEOCIÊNCIAS B1_CIÊNCIA_DA_COMPUTAÇÃO B2_MATEMÁTICA_/_PROBABILIDADE_E_ESTATÍSTICA B2_BIOTECNOLOGIA B3_ASTRONOMIA_/_FÍSICA C_CIÊNCIAS_AGRÁRIAS_I
Histórico (UTC)2021-05-24 16:15:35 :: simone -> administrator ::
2021-05-24 16:15:36 :: administrator -> simone :: 2021
2021-05-24 16:17:14 :: simone -> administrator :: 2021
2022-04-03 22:28:42 :: administrator -> simone :: 2021
3. Conteúdo e estrutura
É a matriz ou uma cópia?é a matriz
Estágio do Conteúdoconcluido
Transferível1
Tipo do ConteúdoExternal Contribution
Tipo de Versãopublisher
Palavras-ChaveTask analysis
Forestry
Remote sensing
Training
Artificial satellites
Earth
Semantics
Convolutional neural networks (CNNs)
deep learning (DL)
deforestation
spatio-temporal analysis
U-Net
ResumoWe address the task of mapping deforested areas in the Brazilian Amazon. Accurate maps are an important tool for informing effective deforestation containment policies. The main existing approaches to this task are largely manual, requiring significant effort by trained experts. To reduce this effort, we propose a fully automatic approach based on spatio-temporal deep convolutional neural networks. We introduce several domain-specific components, including approaches for: image preprocessing; handling image noise, such as clouds and shadow; and constructing the training data set. We show that our preprocessing protocol reduces the impact of noise in the training data set. Furthermore, we propose two spatio-temporal variations of the U-Net architecture, which make it possible to incorporate both spatial and temporal contexts. Using a large, real-world data set, we show that our method outperforms a traditional U-Net architecture, thus achieving approximately 95% accuracy.
ÁreaSRE
Arranjo 1urlib.net > BDMCI > Fonds > Produção pgr ATUAIS > SER > Spatio-Temporal Deep Learning...
Arranjo 2urlib.net > BDMCI > Fonds > Produção a partir de 2021 > CGCT > Spatio-Temporal Deep Learning...
Conteúdo da Pasta docacessar
Conteúdo da Pasta sourcenão têm arquivos
Conteúdo da Pasta agreement
agreement.html 24/05/2021 13:15 1.0 KiB 
4. Condições de acesso e uso
Idiomaen
Arquivo Alvomaretto_spatio.pdf
Grupo de Usuáriossimone
Grupo de Leitoresadministrator
simone
Visibilidadeshown
Política de Arquivamentodenypublisher allowfinaldraft
Permissão de Leituradeny from all and allow from 150.163
Permissão de Atualizaçãonão transferida
5. Fontes relacionadas
Unidades Imediatamente Superiores8JMKD3MGPCW/3F3NU5S
8JMKD3MGPCW/46KUATE
Lista de Itens Citandosid.inpe.br/bibdigital/2013/10.18.22.34 2
sid.inpe.br/bibdigital/2022/04.03.22.23 1
DivulgaçãoWEBSCI; PORTALCAPES; SCIELO; AGU; MGA; COMPENDEX; IEEEXplore.
Acervo Hospedeirourlib.net/www/2017/11.22.19.04
6. Notas
Campos Vaziosalternatejournal archivist callnumber copyholder copyright creatorhistory descriptionlevel e-mailaddress format isbn label lineage mark mirrorrepository nextedition notes parameterlist parentrepositories previousedition previouslowerunit progress project rightsholder schedulinginformation secondarydate secondarykey session shorttitle sponsor subject tertiarymark tertiarytype url
7. Controle da descrição
e-Mail (login)simone
atualizar 


Fechar