Close

1. Identity statement
Reference TypeConference Abstract (Conference Proceedings)
Sitemtc-m21d.sid.inpe.br
Holder Codeisadg {BR SPINPE} ibi 8JMKD3MGPCW/3DT298S
Identifier8JMKD3MGP3W34T/45LSA7S
Repositorysid.inpe.br/mtc-m21d/2021/10.25.13.07
Last Update2021:10.25.13.11.28 (UTC) simone
Metadata Repositorysid.inpe.br/mtc-m21d/2021/10.25.13.07.05
Metadata Last Update2022:07.08.19.41.54 (UTC) administrator
Secondary KeyINPE--PRE/
Citation KeyPereiraSantShig:2021:UsInAr
TitleUso de inteligência artificial na escolha automática de técnicas e parâmetros de processamento de imagens obtidas por drones para sensoriamento remoto
FormatOn-line
ProjectEmprego de inteligência artificial na escolha automática de algoritmos e parâmetros de técnicas de processamento de imagens obtidas por Drones para aplicações no sensoriamento remoto
Year2021
Access Date2024, May 09
Secondary TypePRE CN
Number of Files1
Size77 KiB
2. Context
Author1 Pereira, Hércules Carlos dos Santos
2 Santiago Junior, Valdivino Alexandre de
3 Shiguemori, Elcio Hideiti
Resume Identifier1
2 8JMKD3MGP5W/3C9JJB5
Group1
2 COPDT-CGIP-INPE-MCTI-GOV-BR
Affiliation1 Universidade Paulista (UNIP)
2 Instituto Nacional de Pesquisas Espaciais (INPE)
3 Instituto de Estudos Avançados (IEAV)
Author e-Mail Address1 herculesc635@gmail.com
2 valdivino.santiago@inpe.br
3 elciohs@gmail.com
EditorRibeiro, Valéria Cristina dos Santos
Paulicena, Edésio Hernane
Almeida, Elton Kleiton Albuquerque de
Correia, Emilia
Souza, João Paulo Estevam de
Hey, Heyder
Escada, Paulo Augusto Sobral
Savonov, Roman Ivanovitch
Camayo Maita, Rosio del Pilar
Conference NameSeminário de Iniciação Científica e Iniciação em Desenvolvimento Tecnológico e Inovação (SICINPE)
Conference Locationon line
Date23 a 27 - ago
PublisherInstituto Nacional de Pesquisas Espaciais (INPE)
Publisher CitySão José dos Campos
Book TitleResumos
Tertiary TypeIniciação Científica
OrganizationDivisão de Fomento a Pesquisa e Desenvolvimento (DIFPD)
History (UTC)2021-10-25 13:11:28 :: simone -> administrator :: 2021
2022-07-08 19:41:54 :: administrator -> simone :: 2021
3. Content and structure
Is the master or a copy?is the master
Content Stagecompleted
Transferable1
Version Typepublisher
AbstractVeículos Aéreos Não Tripulados (VANTs), ou drones, têm recebido bastante atenção da indústria e da academia, onde estão sendo usados em aplicações diversas, tais como agricultura, transporte e logística, para a área aeroespacial, entre outras. A classificação automática de imagens obtidas por drones é importante para, por exemplo, melhorar a autonomia destes sistemas no que tange à resposta a desastres e situações de emergência em áreas de difícil acesso. O objetivo dessa pesquisa é investigar a classificação de imagens obtidas por drones utilizando Inteligência Artificial e técnicas de processamento de imagens. A primeira etapa da pesquisa se baseou em uma continuidade de um trabalho de doutorado, onde este resultou em um sistema autoadaptativo para selecionar, de forma inteligente, os melhores algoritmos de processamento digital de imagens para estimação de posição de drones por imagens. Então, fez-se uma avaliação dos seguintes algoritmos de Aprendizado de Máquina nesta pesquisa: Redes Neurais Artificiais, AdaBoost, Logistic Regression e Árvores de Decisão. Os resultados demonstraram que as Redes Neurais Artificiais de uma ou duas camadas tiveram os melhores resultados com a função de ativação tangente hiperbólica, e o otimizador Adam, atingindo 95% e 96% de precisão, respectivamente. Na segunda etapa, o objetivo era verificar qual combinação de extrator de características de imagens e classificador tem o melhor desempenho para classificar imagens de drones. Nesse caso, considerou-se uma classificação multi-classe com 4 classes onde também foi realizado um processo de aumento de dados (data augmentation) para o conjunto de treinamento. Como extrator de características, foram usadas as seguintes Redes Neurais Convolucionais: Inception v3, SqueezeNet, VGG-16, VGG-19, Painters e DeepLoc. Como classificadores, foram usados Adaboost, Random Forests, Logistic Regression e Redes Neurais Artificiais. Os resultados demonstraram que os classificadores Rede Neural Artificial, Random Forests e Logistic Regression, todos atingiram 99% de precisão, onde a maioria usou, como extratores, as Redes Neurais Convolvucionais VGG-16 e SqueezeNet. Para dar continuidade a essa pesquisa, pretende-se considerar outros classificadores e mais imagens de drones para avaliar o processo de classificação, assim como usar Redes Neurais Convolucionais como extrator mais classificador, e não somente como extrator como foi feito na segunda etapa.
AreaCOMP
Arrangement 1urlib.net > BDMCI > Fonds > Produção a partir de 2021 > CGIP > Uso de inteligência...
Arrangement 2Uso de inteligência...
doc Directory Contentaccess
source Directory Contentthere are no files
agreement Directory Content
agreement.html 25/10/2021 10:07 1.0 KiB 
4. Conditions of access and use
data URLhttp://urlib.net/ibi/8JMKD3MGP3W34T/45LSA7S
zipped data URLhttp://urlib.net/zip/8JMKD3MGP3W34T/45LSA7S
Languagept
Target FileHercules Carlos dos Santos Pereira_Resumo.pdf
User Groupsimone
Reader Groupadministrator
simone
Visibilityshown
Update Permissionnot transferred
5. Allied materials
Next Higher Units8JMKD3MGPCW/46KUES5
8JMKD3MGPDW34P/478H5L5
Citing Item Listsid.inpe.br/bibdigital/2022/04.03.23.11 3
sid.inpe.br/mtc-m21/2012/07.13.15.01.24 3
sid.inpe.br/mtc-m16c/2022/07.08.19.08 2
Host Collectionurlib.net/www/2021/06.04.03.40
6. Notes
NotesBolsa PIBIC/PIBITI/INPE/CNPq.
Empty Fieldsarchivingpolicy archivist callnumber contenttype copyholder copyright creatorhistory descriptionlevel dissemination doi e-mailaddress edition isbn issn keywords label lineage mark mirrorrepository nextedition numberofvolumes orcid pages parameterlist parentrepositories previousedition previouslowerunit progress readpermission rightsholder schedulinginformation secondarydate secondarymark serieseditor session shorttitle sponsor subject tertiarymark type url volume
7. Description control
e-Mail (login)simone
update 


Close