Para citar este trabalho use um dos padrões abaixo:
Atualmente, o mapeamento de áreas queimadas tem sido uma importante tarefa para auxiliar governos e organizações não governamentais. Vários métodos automáticos têm sido estudados, e os métodos baseados em aprendizado profundo têm se destacado por sua robustez. No entanto, esses métodos têm limitações de generalização quando amostras de treinamento e teste são coletadas de diferentes regiões. Portanto, o objetivo deste trabalho é mapear áreas queimadas na Amazônia brasileira, bem como avaliar a capacidade de generalização em imagens de satélite PlanetScope (alta resolução espacial). Foi utilizado o método de aprendizado profundo baseado em Transformer, chamado SegFormer. No treinamento e validação foram utilizadas apenas imagens do Pantanal (outro importante bioma brasileiro) e, por fim, utilizamos imagens da Amazônia brasileira no teste. Para área queimada, nossa metodologia alcançou 90,71% de precisão pixel a pixel. Portanto, a metodologia utilizando SegFormer obteve bons resultados mesmo quando treinada e avaliada em diferentes regiões, indicando que métodos baseados em transformers são adequados para generalizar o mapeamento de áreas queimadas.
Com ~200 mil publicações revisadas por pesquisadores do mundo todo, o Galoá impulsiona cientistas na descoberta de pesquisas de ponta por meio de nossa plataforma indexada.
Confira nossos produtos e como podemos ajudá-lo a dar mais alcance para sua pesquisa:
Esse proceedings é identificado por um DOI , para usar em citações ou referências bibliográficas. Atenção: este não é um DOI para o jornal e, como tal, não pode ser usado em Lattes para identificar um trabalho específico.
Verifique o link "Como citar" na página do trabalho, para ver como citar corretamente o artigo