Classificação de Espécies Arbóreas em Ambientes Tropicais Urbanos Utilizando Redes Neurais Convolucionais e Conjuntos Abertos.

Devido às suas características climáticas quentes e úmidas, as regiões tropicais abrigam maior diversidade de espécies arbóreas em comparação às regiões temperadas. Nesse contexto, a automação de inventários de espécies em áreas urbanas envolvendo imagens digitais obtidas por sensoriamento remoto e processadas por algoritmos de deep learning, é um recurso promissor, porém limitado. Isso ocorre porque os modelos clássicos de aprendizado, utilizam conjuntos de dados fechados em seu treinamento, restringindo sua capacidade de reconhecer um número maior de espécies e de identificar o surgimento de novas espécies na análise geográfica de uma região. Este estudo avalia a eficiência do OpenMax, modelo que implementa conceitos de conjuntos abertos, para classificação de espécies arbóreas do bairro do Grajaú, cidade do Rio de Janeiro. O OpenMax apresentou desempenho 40% superior em relação a modelos tradicionais de deep learning, ao classificar como desconhecidas, espécies não presentes no dataset de treinamento.