| 1. Identificação | ||||
| Tipo de Referência | Artigo em Evento (Conference Proceedings) | |||
| Site | mtc-m21d.sid.inpe.br | |||
| Código do Detentor | isadg {BR SPINPE} ibi 8JMKD3MGPCW/3DT298S | |||
| Identificador | 8JMKD3MGP3W34T/45NCL4H | |||
| Repositório | sid.inpe.br/mtc-m21d/2021/11.03.17.49 (acesso restrito) | |||
| Última Atualização | 2021:12.06.16.08.24 (UTC) simone | |||
| Repositório de Metadados | sid.inpe.br/mtc-m21d/2021/11.03.17.49.31 | |||
| Última Atualização dos Metadados | 2022:04.03.23.14.39 (UTC) administrator | |||
| Chave Secundária | INPE--PRE/ | |||
| DOI | 10.1007/978-3-030-87007-2_37 | |||
| ISBN | 978-303087006-5 | |||
| ISSN | 03029743 | |||
| Chave de Citação | MirandaSanKörLeoFre:2021:DeCoNe | |||
| Título | Deep Convolutional Neural Network for Classifying Satellite Images with Heterogeneous Spatial Resolutions  | |||
| Formato | On-line | |||
| Ano | 2021 | |||
| Data de Acesso | 01 maio 2024 | |||
| Tipo Secundário | PRE CI | |||
| Número de Arquivos | 1 | |||
| Tamanho | 8387 KiB | |||
| 2. Contextualização | ||||
| Autor | 1 Miranda, Mateus de Souza 2 Santiago Júnior, Valdivino Alexandre de 3 Körting, Thales Sehn 4 Leonardi, Rodrigo 5 Freitas Júnior, Moisés Laurence de | |||
| Identificador de Curriculo | 1 2 8JMKD3MGP5W/3C9JJB5 | |||
| Grupo | 1 CAP-COMP-DIPGR-INPE-MCTI-GOV-BR 2 COPDT-CGIP-INPE-MCTI-GOV-BR 3 DIOTG-CGCT-INPE-MCTI-GOV-BR | |||
| Afiliação | 1 Instituto Nacional de Pesquisas Espaciais (INPE) 2 Instituto Nacional de Pesquisas Espaciais (INPE) 3 Instituto Nacional de Pesquisas Espaciais (INPE) 4 Agência Espacial Brasileira (AEB) 5 Instituto Federal de Educação, Ciência e Tecnologia do Tocantins (IFTO) | |||
| Endereço de e-Mail do Autor | 1 mateus.miranda@inpe.br 2 valdivino.santiago@inpe.br 3 thales.korting@inpe.br 4 rodrigo.leonardi@aeb.gov.br 5 moises.junior@ifto.edu.br | |||
| Nome do Evento | International Conference on Computational Science and Its Applications (ICCSA ), 21 | |||
| Localização do Evento | Online | |||
| Data | 13-16 Sept. | |||
| Volume | 12955 | |||
| Páginas | 519-530 | |||
| Título do Livro | Proceedings | |||
| Histórico (UTC) | 2021-12-06 16:08:24 :: simone -> administrator :: 2021 2022-04-03 23:14:39 :: administrator -> simone :: 2021 | |||
| 3. Conteúdo e estrutura | ||||
| É a matriz ou uma cópia? | é a matriz | |||
| Estágio do Conteúdo | concluido | |||
| Transferível | 1 | |||
| Tipo do Conteúdo | External Contribution | |||
| Tipo de Versão | publisher | |||
| Palavras-Chave | Deep convolutional neural network Remote sensing Satellite image classification | |||
| Resumo | Deep Learning, and most notable Deep Neural Networks, have largely driven Artificial Intelligence in the area of remote sensing, mainly image classification tasks. In this paper, we present an approach based on Convolutional Neural Networks to classify Earth Observation satellite images as environmental preserved or non-preserved areas. One interesting feature of our approach is the fact that we used sensors with different spatial resolutions to assess the performance of a traditional network. We relied on images from the Tocantins Cerrado obtained by the Wide-Scan Multispectral and Panchromatic Camera of the CBERS-4A satellite, with a spatial resolution of 8m to create the training dataset. For testing, we set up a set of images of the Sentinel satellite, with a spatial resolution of 10m from Goiás Cerrado. Results imply that Convolutional Neural Networks are feasible and are a good alternative for classifying remote sensing areas even when dealing with images from various sensors, and also with different spatial resolutions, where the model used in this study obtained an accuracy of 0.87. This study demonstrates the flexibility of Convolutional Neural Networks concerning the ability to generalize knowledge for classifying remote sensing images. | |||
| Área | COMP | |||
| Arranjo 1 | urlib.net > BDMCI > Fonds > Produção pgr ATUAIS > CAP > Deep Convolutional Neural... | |||
| Arranjo 2 | urlib.net > BDMCI > Fonds > Produção a partir de 2021 > CGCT > Deep Convolutional Neural... | |||
| Arranjo 3 | urlib.net > BDMCI > Fonds > Produção a partir de 2021 > CGIP > Deep Convolutional Neural... | |||
| Conteúdo da Pasta doc | acessar | |||
| Conteúdo da Pasta source | não têm arquivos | |||
| Conteúdo da Pasta agreement |
| |||
| 4. Condições de acesso e uso | ||||
| Idioma | en | |||
| Arquivo Alvo | miranda_2021-deep.pdf | |||
| Grupo de Usuários | simone | |||
| Grupo de Leitores | administrator simone | |||
| Visibilidade | shown | |||
| Permissão de Leitura | deny from all and allow from 150.163 | |||
| Permissão de Atualização | não transferida | |||
| 5. Fontes relacionadas | ||||
| Unidades Imediatamente Superiores | 8JMKD3MGPCW/3F2PHGS 8JMKD3MGPCW/46KUATE 8JMKD3MGPCW/46KUES5 | |||
| Lista de Itens Citando | sid.inpe.br/bibdigital/2013/10.12.22.16 2 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 | ||||
| Campos Vazios | archivingpolicy archivist callnumber copyholder copyright creatorhistory descriptionlevel dissemination e-mailaddress edition editor label lineage mark mirrorrepository nextedition notes numberofvolumes orcid organization parameterlist parentrepositories previousedition previouslowerunit progress project publisher publisheraddress rightsholder schedulinginformation secondarydate secondarymark serieseditor session shorttitle sponsor subject tertiarymark tertiarytype type url | |||
| 7. Controle da descrição | ||||
| e-Mail (login) | simone | |||
| atualizar | ||||