Aplicação e Otimização de Redes Neurais Convolucionais para Detecção de Desmatamento em Imagens de Satelite Sentinel-2
Resumo
O monitoramento do desmatamento na Amazônia é um desafio complexo que exige o uso de tecnologias avançadas, como a análise de imagens de satélite e inteligência artificial (IA). Redes Neurais Convolucionais (CNNs) foram utilizadas para detectar áreas desmatadas em imagens do satélite Sentinel-2, com a arquitetura U-Net ajustada para segmentação de áreas florestais. Para superar a escassez de dados rotulados, o algoritmo Optuna foi empregado para otimizar o modelo, aprimorando seus parâmetros e, consequentemente, melhorando a acurácia dos resultados.
Palavras-chave:
Redes neurais convolucionais, desmatamento, imagens
Referências
Adarme, M. O., Happ, P. N., and Feitosa, R. Q. (2019). Assessment of an early fusion cnn approach applied to the deforestation detection in the brazilian amazon. In XIX Simposio brasileiro de sensoriamento remoto, Sao Paulo, Brasil, pages 1217–1220.
Akiba, T., Sano, S., Yanase, T., Ohta, T., and Koyama, M. (2019). Optuna: A next-generation hyperparameter optimization framework. In Proceedings of the 25th ACM SIGKDD International Conference on Knowledge Discovery and Data Mining.
Carass, A., Roy, S., Gherman, A., Reinhold, J. C., Jesson, A., Arbel, T., Maier, O., Handels, H., Ghafoorian, M., Platel, B., et al. (2020). Evaluating white matter lesion segmentations with refined sørensen-dice analysis. Scientific reports, 10(1):8242.
Dong, K., Zhou, C., Ruan, Y., and Li, Y. (2020). Mobilenetv2 model for image classification. In 2020 2nd International Conference on Information Technology and Computer Application (ITCA), pages 476–480. IEEE.
Long, J., Shelhamer, E., and Darrell, T. (2015). Fully convolutional networks for semantic segmentation. In Proceedings of the IEEE conference on computer vision and pattern recognition, pages 3431–3440.
Pratiwi, N. K. C., Fu’adah, Y. N., and Edwar, E. (2021). Early detection of deforestation through satellite land geospatial images based on cnn architecture. Jurnal Infotel, 13(2):54–62.
Shamir, R. R., Duchin, Y., Kim, J., Sapiro, G., and Harel, N. (2019). Continuous dice coefficient: a method for evaluating probabilistic segmentations. arXiv preprint arXiv:1906.11031.
Akiba, T., Sano, S., Yanase, T., Ohta, T., and Koyama, M. (2019). Optuna: A next-generation hyperparameter optimization framework. In Proceedings of the 25th ACM SIGKDD International Conference on Knowledge Discovery and Data Mining.
Carass, A., Roy, S., Gherman, A., Reinhold, J. C., Jesson, A., Arbel, T., Maier, O., Handels, H., Ghafoorian, M., Platel, B., et al. (2020). Evaluating white matter lesion segmentations with refined sørensen-dice analysis. Scientific reports, 10(1):8242.
Dong, K., Zhou, C., Ruan, Y., and Li, Y. (2020). Mobilenetv2 model for image classification. In 2020 2nd International Conference on Information Technology and Computer Application (ITCA), pages 476–480. IEEE.
Long, J., Shelhamer, E., and Darrell, T. (2015). Fully convolutional networks for semantic segmentation. In Proceedings of the IEEE conference on computer vision and pattern recognition, pages 3431–3440.
Pratiwi, N. K. C., Fu’adah, Y. N., and Edwar, E. (2021). Early detection of deforestation through satellite land geospatial images based on cnn architecture. Jurnal Infotel, 13(2):54–62.
Shamir, R. R., Duchin, Y., Kim, J., Sapiro, G., and Harel, N. (2019). Continuous dice coefficient: a method for evaluating probabilistic segmentations. arXiv preprint arXiv:1906.11031.
Publicado
26/09/2024
Como Citar
TAMASAUSKAS, Leonardo de O.; DIAS, Jean A. C.; COSTA, Gabriel B.; SERUFFO, Marcos C. da R..
Aplicação e Otimização de Redes Neurais Convolucionais para Detecção de Desmatamento em Imagens de Satelite Sentinel-2. In: ESCOLA REGIONAL DE INFORMÁTICA NORTE 2 (ERIN 2), 12. , 2024, Pará/PA.
Anais [...].
Porto Alegre: Sociedade Brasileira de Computação,
2024
.
p. 7-12.
DOI: https://doi.org/10.5753/erin.2024.4536.
