Deep active learning para mapeamento de árvores em floresta densa com baixa rotulagem
Carregando...
Arquivos
Data
2023-12-06
Autores
Orientador(res)
Oliveira, Dário Augusto Borges
Métricas
Título da Revista
ISSN da Revista
Título de Volume
Resumo
Este trabalho explora a aplicação de métodos de Active Learning em modelos de Deep Learning para a segmentação de instâncias de espécies de árvores por meio de imagens de sensoriamento remoto. O objetivo é desenvolver um método eficaz capaz de mapear diferentes espécies de árvores em áreas florestais com alta precisão, mesmo diante de um conjunto inicial limitado de dados anotados. A abordagem proposta utiliza dados sintéticos gerados pelo modelo, validadas através de informações morfológicas das árvores, visando aprimorar o processo de aprendizado e a qualidade das predições. A introdução dessas técnicas de resultaram em um aumento da cobertura de segmentação do modelo, de 2,35% para 14% da área de estudo, mantendo um F1-Score médio em patamares elevados, oscilando entre 80% e 90%.