MULTICLASIFICAÇÃO DE LOOK-ALIKES EM IMAGENS DE SENSORIAMENTO REMOTO UTILIZANDO REDES NEURAIS CONVOLUCIONAIS

Vol 55, 2023 - 160632
Trabalho completo (oral)
Favoritar este trabalho
Como citar esse trabalho?
Resumo

A indústria de óleo e gás tem investido em tecnologias de inteligência artificial que sejam capazes de detectar automaticamente vazamentos de óleo no mar. No entanto, a identificação desses vazamentos é dificultada por outros fenômenos oceanográficos, conhecidos como look-alikes. Para contornar este problema, propomos um modelo de multiclassificação desenvolvido com base em uma rede neural convolucional para classificar alguns look-alikes e aumentar a precisão na detecção de óleo. O modelo foi treinado com o banco de dados TenGeoP – SARwv, composto por imagens do satélite Sentinel-1, com dez classes distintas de look-alikes. O modelo apresentou uma acurácia de cerca de 70% numa arquitetura que considera 10 classes distintas de look-alikes e de quase 80% quando foram usadas apenas sete destas classes. Ainda há oportunidades de ajuste para aumentar a precisão do modelo, de acordo com os valores da função perda.

Compartilhe suas ideias ou dúvidas com os autores!

Sabia que o maior estímulo no desenvolvimento científico e cultural é a curiosidade? Deixe seus questionamentos ou sugestões para o autor!

Faça login para interagir

Tem uma dúvida ou sugestão? Compartilhe seu feedback com os autores!

Instituições
  • 1 Universidade Federal de Pernambuco - UFPE
  • 2 Universidade Federal da Bahia
Eixo Temático
  • 11. IC – Inteligência Computacional
Palavras-chave
Vazamento de óleo; Look-alike; Redes Neurais Convolucionais