Categorização de imagem aérea usando deep learning

Detalhes bibliográficos
Autor(a) principal: Silva, Alexandre Manuel Santos
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