Publication
Categorização de imagem aérea usando deep learning
| dc.contributor.advisor | Ferreira, Carlos Manuel Abreu Gomes | |
| dc.contributor.author | Silva, Alexandre Manuel Santos | |
| dc.date.accessioned | 2020-01-06T15:30:23Z | |
| dc.date.available | 2021-11-15T01:30:30Z | |
| dc.date.issued | 2019 | |
| dc.description.abstract | 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. | pt_PT |
| dc.description.abstract | 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. | pt_PT |
| dc.identifier.tid | 202342204 | pt_PT |
| dc.identifier.uri | http://hdl.handle.net/10400.22/15221 | |
| dc.language.iso | por | pt_PT |
| dc.subject | Cartografia | pt_PT |
| dc.subject | Ocupação de solo | pt_PT |
| dc.subject | Deep Learning | pt_PT |
| dc.subject | Automatização | pt_PT |
| dc.subject | Cartography | pt_PT |
| dc.subject | Land Cover | pt_PT |
| dc.subject | Automation | pt_PT |
| dc.title | Categorização de imagem aérea usando deep learning | pt_PT |
| dc.type | master thesis | |
| dspace.entity.type | Publication | |
| rcaap.rights | openAccess | pt_PT |
| rcaap.type | masterThesis | pt_PT |
| thesis.degree.name | Mestrado em Engenharia Informática - Engenharia de Software | pt_PT |