| 1. Identificação | ||||
| Tipo de Referência | Resumo em Evento (Conference Proceedings) | |||
| Site | mtc-m21d.sid.inpe.br | |||
| Código do Detentor | isadg {BR SPINPE} ibi 8JMKD3MGPCW/3DT298S | |||
| Identificador | 8JMKD3MGP3W34T/45LSA7S | |||
| Repositório | sid.inpe.br/mtc-m21d/2021/10.25.13.07 | |||
| Última Atualização | 2021:10.25.13.11.28 (UTC) simone | |||
| Repositório de Metadados | sid.inpe.br/mtc-m21d/2021/10.25.13.07.05 | |||
| Última Atualização dos Metadados | 2022:07.08.19.41.54 (UTC) administrator | |||
| Chave Secundária | INPE--PRE/ | |||
| Chave de Citação | PereiraSantShig:2021:UsInAr | |||
| Título | Uso de inteligência artificial na escolha automática de técnicas e parâmetros de processamento de imagens obtidas por drones para sensoriamento remoto  | |||
| Formato | On-line | |||
| Projeto | Emprego de inteligência artificial na escolha automática de algoritmos e parâmetros de técnicas de processamento de imagens obtidas por Drones para aplicações no sensoriamento remoto | |||
| Ano | 2021 | |||
| Data de Acesso | 08 maio 2024 | |||
| Tipo Secundário | PRE CN | |||
| Número de Arquivos | 1 | |||
| Tamanho | 77 KiB | |||
| 2. Contextualização | ||||
| Autor | 1 Pereira, Hércules Carlos dos Santos 2 Santiago Junior, Valdivino Alexandre de 3 Shiguemori, Elcio Hideiti | |||
| Identificador de Curriculo | 1 2 8JMKD3MGP5W/3C9JJB5 | |||
| Grupo | 1 2 COPDT-CGIP-INPE-MCTI-GOV-BR | |||
| Afiliação | 1 Universidade Paulista (UNIP) 2 Instituto Nacional de Pesquisas Espaciais (INPE) 3 Instituto de Estudos Avançados (IEAV) | |||
| Endereço de e-Mail do Autor | 1 herculesc635@gmail.com 2 valdivino.santiago@inpe.br 3 elciohs@gmail.com | |||
| Editor | Ribeiro, 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 | |||
| Nome do Evento | Seminário de Iniciação Científica e Iniciação em Desenvolvimento Tecnológico e Inovação (SICINPE) | |||
| Localização do Evento | on line | |||
| Data | 23 a 27 - ago | |||
| Editora (Publisher) | Instituto Nacional de Pesquisas Espaciais (INPE) | |||
| Cidade da Editora | São José dos Campos | |||
| Título do Livro | Resumos | |||
| Tipo Terciário | Iniciação Científica | |||
| Organização | Divisão de Fomento a Pesquisa e Desenvolvimento (DIFPD) | |||
| Histórico (UTC) | 2021-10-25 13:11:28 :: simone -> administrator :: 2021 2022-07-08 19:41:54 :: administrator -> simone :: 2021 | |||
| 3. Conteúdo e estrutura | ||||
| É a matriz ou uma cópia? | é a matriz | |||
| Estágio do Conteúdo | concluido | |||
| Transferível | 1 | |||
| Tipo de Versão | publisher | |||
| Resumo | Veículos 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. | |||
| Área | COMP | |||
| Arranjo 1 | urlib.net > BDMCI > Fonds > Produção a partir de 2021 > CGIP > Uso de inteligência... | |||
| Arranjo 2 | Uso de inteligência... | |||
| Conteúdo da Pasta doc | acessar | |||
| Conteúdo da Pasta source | não têm arquivos | |||
| Conteúdo da Pasta agreement |
| |||
| 4. Condições de acesso e uso | ||||
| URL dos dados | http://urlib.net/ibi/8JMKD3MGP3W34T/45LSA7S | |||
| URL dos dados zipados | http://urlib.net/zip/8JMKD3MGP3W34T/45LSA7S | |||
| Idioma | pt | |||
| Arquivo Alvo | Hercules Carlos dos Santos Pereira_Resumo.pdf | |||
| Grupo de Usuários | simone | |||
| Grupo de Leitores | administrator simone | |||
| Visibilidade | shown | |||
| Permissão de Atualização | não transferida | |||
| 5. Fontes relacionadas | ||||
| Unidades Imediatamente Superiores | 8JMKD3MGPCW/46KUES5 8JMKD3MGPDW34P/478H5L5 | |||
| Lista de Itens Citando | sid.inpe.br/bibdigital/2022/04.03.23.11 3 sid.inpe.br/mtc-m21/2012/07.13.15.01.24 2 sid.inpe.br/mtc-m16c/2022/07.08.19.08 1 | |||
| Acervo Hospedeiro | urlib.net/www/2021/06.04.03.40 | |||
| 6. Notas | ||||
| Notas | Bolsa PIBIC/PIBITI/INPE/CNPq. | |||
| Campos Vazios | archivingpolicy 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. Controle da descrição | ||||
| e-Mail (login) | simone | |||
| atualizar | ||||