XINFORMAÇÕES SOBRE DIREITOS AUTORAIS
As obras disponibilizadas nesta Biblioteca Digital foram publicadas sob expressa autorização dos respectivos autores, em conformidade com a Lei 9610/98.
A consulta aos textos, permitida por seus respectivos autores, é livre, bem como a impressão de trechos ou de um exemplar completo exclusivamente para uso próprio. Não são permitidas a impressão e a reprodução de obras completas com qualquer outra finalidade que não o uso próprio de quem imprime.
A reprodução de pequenos trechos, na forma de citações em trabalhos de terceiros que não o próprio autor do texto consultado,é permitida, na medida justificada para a compreeensão da citação e mediante a informação, junto à citação, do nome do autor do texto original, bem como da fonte da pesquisa.
A violação de direitos autorais é passível de sanções civis e penais.
As obras disponibilizadas nesta Biblioteca Digital foram publicadas sob expressa autorização dos respectivos autores, em conformidade com a Lei 9610/98.
A consulta aos textos, permitida por seus respectivos autores, é livre, bem como a impressão de trechos ou de um exemplar completo exclusivamente para uso próprio. Não são permitidas a impressão e a reprodução de obras completas com qualquer outra finalidade que não o uso próprio de quem imprime.
A reprodução de pequenos trechos, na forma de citações em trabalhos de terceiros que não o próprio autor do texto consultado,é permitida, na medida justificada para a compreeensão da citação e mediante a informação, junto à citação, do nome do autor do texto original, bem como da fonte da pesquisa.
A violação de direitos autorais é passível de sanções civis e penais.
Coleção Digital
Título: DEFORESTATION DETECTION UNDER DIVERSE CLOUD CONDITIONS FROM THE FUSION OF OPTICAL AND SAR DATA WITH DEEP LEARNING MODELS Autor: FELIPE FERRARI
Instituição: PONTIFÍCIA UNIVERSIDADE CATÓLICA DO RIO DE JANEIRO - PUC-RIO
Colaborador(es):
RAUL QUEIROZ FEITOSA - ADVISOR
MATHEUS PINHEIRO FERREIRA - CO-ADVISOR
Nº do Conteudo: 68353
Catalogação: 10/10/2024 Liberação: 10/10/2024 Idioma(s): ENGLISH - UNITED STATES
Tipo: TEXT Subtipo: THESIS
Natureza: SCHOLARLY PUBLICATION
Nota: Todos os dados constantes dos documentos são de inteira responsabilidade de seus autores. Os dados utilizados nas descrições dos documentos estão em conformidade com os sistemas da administração da PUC-Rio.
Referência [pt]: https://www.maxwell.vrac.puc-rio.br/colecao.php?strSecao=resultado&nrSeq=68353@1
Referência [en]: https://www.maxwell.vrac.puc-rio.br/colecao.php?strSecao=resultado&nrSeq=68353@2
Referência DOI: https://doi.org/10.17771/PUCRio.acad.68353
Resumo:
Título: DEFORESTATION DETECTION UNDER DIVERSE CLOUD CONDITIONS FROM THE FUSION OF OPTICAL AND SAR DATA WITH DEEP LEARNING MODELS Autor: FELIPE FERRARI
MATHEUS PINHEIRO FERREIRA - CO-ADVISOR
Nº do Conteudo: 68353
Catalogação: 10/10/2024 Liberação: 10/10/2024 Idioma(s): ENGLISH - UNITED STATES
Tipo: TEXT Subtipo: THESIS
Natureza: SCHOLARLY PUBLICATION
Nota: Todos os dados constantes dos documentos são de inteira responsabilidade de seus autores. Os dados utilizados nas descrições dos documentos estão em conformidade com os sistemas da administração da PUC-Rio.
Referência [pt]: https://www.maxwell.vrac.puc-rio.br/colecao.php?strSecao=resultado&nrSeq=68353@1
Referência [en]: https://www.maxwell.vrac.puc-rio.br/colecao.php?strSecao=resultado&nrSeq=68353@2
Referência DOI: https://doi.org/10.17771/PUCRio.acad.68353
Resumo:
Deforestation monitoring is highly dependent on human specialists analyzing cloud-free optical images. Developing methodologies that minimize the
dependency on human specialists and the availability of cloud-free optical
images can contribute to environmental conservation efforts. Despite the
more accessible use of optical images for deforestation detection, the presence of clouds in these images limited the operation, forcing the selection
of images at specific times of the year when the presence of clouds is lower.
However, even in the dryest period of the year, there are certain regions
of the Brazilian Amazon Forest where the cloud presence is still high. On
the other hand, the SAR images suffer less interference from clouds, but
are more challenging to interpret. Aiming to take advantage of both, we
investigated Deep Leaning methods of fusion of these data, especially in diverse cloud presence conditions, which is an unexplored subject, as best as
we know. We proposed using a pre-training strategy from single-modality
optical and SAR models. We investigated ways to combine the SAR images
across the analyzed period. We also investigated Vision Transformer-based
architectures. Our best results reached the same F1-Score result fusing SAR
images with optical images with diverse cloud conditions and with cloud-free
optical images.
Descrição | Arquivo |
COMPLETE |