Categorização de imagem aérea usando deep learning
Autor(a) principal: | |
---|---|
Data de Publicação: | 2019 |
Tipo de documento: | Dissertação |
Idioma: | por |
Título da fonte: | Repositório Científico de Acesso Aberto de Portugal (Repositórios Cientìficos) |
Texto Completo: | http://hdl.handle.net/10400.22/15221 |
Resumo: | O processo de produção de cartografia é demorado, bastante complexo e implica um elevado volume de trabalho humano. A automatização, mesmo que parcial, de partes deste processo, levaria à redução do trabalho e a uma maior eficiência e rentabilidade deste processo. Neste contexto, a fase deste processo com mais impacto nos custos e com maior potencial de automatização, é aquela onde é efetuada a identificação dos elementos que estão presentes na fotografia aérea, um dos recursos utilizados para produção de cartografia. Pretende-se com este trabalho estudar diferentes modelos de segmentação semântica, implementados com recurso a deep learning, de forma a avaliar a viabilidade da sua utilização para automatização desta fase do processo. Será, também, efetuada uma análise do processo de produção de cartografia, bem como dos recursos disponíveis, para definir o método mais adequado para a utilização dos modelos. |
id |
RCAP_cb17e955b7ea4745ba0d0f7fc23ede22 |
---|---|
oai_identifier_str |
oai:recipp.ipp.pt:10400.22/15221 |
network_acronym_str |
RCAP |
network_name_str |
Repositório Científico de Acesso Aberto de Portugal (Repositórios Cientìficos) |
repository_id_str |
7160 |
spelling |
Categorização de imagem aérea usando deep learningCartografiaOcupação de soloDeep LearningAutomatizaçãoCartographyLand CoverAutomationO processo de produção de cartografia é demorado, bastante complexo e implica um elevado volume de trabalho humano. A automatização, mesmo que parcial, de partes deste processo, levaria à redução do trabalho e a uma maior eficiência e rentabilidade deste processo. Neste contexto, a fase deste processo com mais impacto nos custos e com maior potencial de automatização, é aquela onde é efetuada a identificação dos elementos que estão presentes na fotografia aérea, um dos recursos utilizados para produção de cartografia. Pretende-se com este trabalho estudar diferentes modelos de segmentação semântica, implementados com recurso a deep learning, de forma a avaliar a viabilidade da sua utilização para automatização desta fase do processo. Será, também, efetuada uma análise do processo de produção de cartografia, bem como dos recursos disponíveis, para definir o método mais adequado para a utilização dos modelos.The process of cartography production it’s time-consuming, quite complex and requires a high human workload. The automation, even partial, of some parts of this process would lead to a workload reduction and a greater efficiency and profitability of this process. The phase of this process with the most impact on costs and greater automation potential, it’s the phase where its made the identification of elements existing on aerial photography, one of the resources used to produce cartography. This works aims to study different semantic segmentation models, implemented using deep learning, to assess whether it is viable to automate this phase of the process. It will also be made an analysis of the cartography production process, as well as the available resources, to define the most appropriate method to use the models.Ferreira, Carlos Manuel Abreu GomesRepositório Científico do Instituto Politécnico do PortoSilva, Alexandre Manuel Santos2021-11-15T01:30:30Z20192019-01-01T00:00:00Zinfo:eu-repo/semantics/publishedVersioninfo:eu-repo/semantics/masterThesisapplication/pdfhttp://hdl.handle.net/10400.22/15221TID:202342204porinfo:eu-repo/semantics/openAccessreponame:Repositório Científico de Acesso Aberto de Portugal (Repositórios Cientìficos)instname:Agência para a Sociedade do Conhecimento (UMIC) - FCT - Sociedade da Informaçãoinstacron:RCAAP2023-03-13T12:59:06Zoai:recipp.ipp.pt:10400.22/15221Portal AgregadorONGhttps://www.rcaap.pt/oai/openaireopendoar:71602024-03-19T17:34:58.776781Repositório Científico de Acesso Aberto de Portugal (Repositórios Cientìficos) - Agência para a Sociedade do Conhecimento (UMIC) - FCT - Sociedade da Informaçãofalse |
dc.title.none.fl_str_mv |
Categorização de imagem aérea usando deep learning |
title |
Categorização de imagem aérea usando deep learning |
spellingShingle |
Categorização de imagem aérea usando deep learning Silva, Alexandre Manuel Santos Cartografia Ocupação de solo Deep Learning Automatização Cartography Land Cover Automation |
title_short |
Categorização de imagem aérea usando deep learning |
title_full |
Categorização de imagem aérea usando deep learning |
title_fullStr |
Categorização de imagem aérea usando deep learning |
title_full_unstemmed |
Categorização de imagem aérea usando deep learning |
title_sort |
Categorização de imagem aérea usando deep learning |
author |
Silva, Alexandre Manuel Santos |
author_facet |
Silva, Alexandre Manuel Santos |
author_role |
author |
dc.contributor.none.fl_str_mv |
Ferreira, Carlos Manuel Abreu Gomes Repositório Científico do Instituto Politécnico do Porto |
dc.contributor.author.fl_str_mv |
Silva, Alexandre Manuel Santos |
dc.subject.por.fl_str_mv |
Cartografia Ocupação de solo Deep Learning Automatização Cartography Land Cover Automation |
topic |
Cartografia Ocupação de solo Deep Learning Automatização Cartography Land Cover Automation |
description |
O processo de produção de cartografia é demorado, bastante complexo e implica um elevado volume de trabalho humano. A automatização, mesmo que parcial, de partes deste processo, levaria à redução do trabalho e a uma maior eficiência e rentabilidade deste processo. Neste contexto, a fase deste processo com mais impacto nos custos e com maior potencial de automatização, é aquela onde é efetuada a identificação dos elementos que estão presentes na fotografia aérea, um dos recursos utilizados para produção de cartografia. Pretende-se com este trabalho estudar diferentes modelos de segmentação semântica, implementados com recurso a deep learning, de forma a avaliar a viabilidade da sua utilização para automatização desta fase do processo. Será, também, efetuada uma análise do processo de produção de cartografia, bem como dos recursos disponíveis, para definir o método mais adequado para a utilização dos modelos. |
publishDate |
2019 |
dc.date.none.fl_str_mv |
2019 2019-01-01T00:00:00Z 2021-11-15T01:30:30Z |
dc.type.status.fl_str_mv |
info:eu-repo/semantics/publishedVersion |
dc.type.driver.fl_str_mv |
info:eu-repo/semantics/masterThesis |
format |
masterThesis |
status_str |
publishedVersion |
dc.identifier.uri.fl_str_mv |
http://hdl.handle.net/10400.22/15221 TID:202342204 |
url |
http://hdl.handle.net/10400.22/15221 |
identifier_str_mv |
TID:202342204 |
dc.language.iso.fl_str_mv |
por |
language |
por |
dc.rights.driver.fl_str_mv |
info:eu-repo/semantics/openAccess |
eu_rights_str_mv |
openAccess |
dc.format.none.fl_str_mv |
application/pdf |
dc.source.none.fl_str_mv |
reponame:Repositório Científico de Acesso Aberto de Portugal (Repositórios Cientìficos) instname:Agência para a Sociedade do Conhecimento (UMIC) - FCT - Sociedade da Informação instacron:RCAAP |
instname_str |
Agência para a Sociedade do Conhecimento (UMIC) - FCT - Sociedade da Informação |
instacron_str |
RCAAP |
institution |
RCAAP |
reponame_str |
Repositório Científico de Acesso Aberto de Portugal (Repositórios Cientìficos) |
collection |
Repositório Científico de Acesso Aberto de Portugal (Repositórios Cientìficos) |
repository.name.fl_str_mv |
Repositório Científico de Acesso Aberto de Portugal (Repositórios Cientìficos) - Agência para a Sociedade do Conhecimento (UMIC) - FCT - Sociedade da Informação |
repository.mail.fl_str_mv |
|
_version_ |
1799131441734352896 |