Spatio-Temporal Vegetation Pixel Classification by Using Convolutional Networks

Registro completo de metadados
MetadadosDescriçãoIdioma
Autor(es): dc.contributorUniversidade Federal de Minas Gerais (UFMG)-
Autor(es): dc.contributorUniversidade Estadual de Campinas (UNICAMP)-
Autor(es): dc.contributorUniversidade Estadual Paulista (Unesp)-
Autor(es): dc.contributorUniv Stirling-
Autor(es): dc.creatorNogueira, Keiller-
Autor(es): dc.creatorSantos, Jefersson A. dos-
Autor(es): dc.creatorMenini, Nathalia-
Autor(es): dc.creatorSilva, Thiago S. F. [UNESP]-
Autor(es): dc.creatorMorellato, Leonor Patricia C. [UNESP]-
Autor(es): dc.creatorTorres, Ricardo da S.-
Data de aceite: dc.date.accessioned2022-02-22T00:13:38Z-
Data de disponibilização: dc.date.available2022-02-22T00:13:38Z-
Data de envio: dc.date.issued2020-12-10-
Data de envio: dc.date.issued2020-12-10-
Data de envio: dc.date.issued2019-10-01-
Fonte completa do material: dc.identifierhttp://dx.doi.org/10.1109/LGRS.2019.2903194-
Fonte completa do material: dc.identifierhttp://hdl.handle.net/11449/197504-
Fonte: dc.identifier.urihttp://educapes.capes.gov.br/handle/11449/197504-
Descrição: dc.descriptionPlant phenology studies rely on long-term monitoring of life cycles of plants. High-resolution unmanned aerial vehicles (UAVs) and near-surface technologies have been used for plant monitoring, demanding the creation of methods capable of locating, and identifying plant species through time and space. However, this is a challenging task given the high volume of data, the constant data missing from temporal dataset, the heterogeneity of temporal profiles, the variety of plant visual patterns, and the unclear definition of individuals' boundaries in plant communities. In this letter, we propose a novel method, suitable for phenological monitoring, based on convolutional networks (ConvNets) to perform spatio-temporal vegetation pixel classification on high-resolution images. We conducted a systematic evaluation using high-resolution vegetation image datasets associated with the Brazilian Cerrado biome. Experimental results show that the proposed approach is effective, overcoming other spatio-temporal pixel-classification strategies.-
Descrição: dc.descriptionPro-Reitoria de Pesquisa da UFMG-
Descrição: dc.descriptionFundação de Amparo à Pesquisa do Estado de Minas Gerais (FAPEMIG)-
Descrição: dc.descriptionFundação de Amparo à Pesquisa do Estado de São Paulo (FAPESP)-
Descrição: dc.descriptionConselho Nacional de Desenvolvimento Científico e Tecnológico (CNPq)-
Descrição: dc.descriptionCoordenação de Aperfeiçoamento de Pessoal de Nível Superior (CAPES)-
Descrição: dc.descriptionCedro Textil, Reserva Vellozia, Parque Nacional da Serra do Cipo-
Descrição: dc.descriptionUniv Fed Minas Gerais, Dept Comp Sci, BR-31270901 Belo Horizonte, MG, Brazil-
Descrição: dc.descriptionUniv Estadual Campinas, Inst Comp, BR-13083970 Campinas, SP, Brazil-
Descrição: dc.descriptionUniv Estadual Paulista, Inst Biociencias, BR-13506900 Sao Paulo, Brazil-
Descrição: dc.descriptionUniv Estadual Paulista, IGCE, BR-13506900 Sao Paulo, Brazil-
Descrição: dc.descriptionUniv Stirling, Biol & Environm Sci, Fac Nat Sci, Stirling FK9 4LA, Scotland-
Descrição: dc.descriptionUniv Estadual Paulista, Inst Biociencias, BR-13506900 Sao Paulo, Brazil-
Descrição: dc.descriptionUniv Estadual Paulista, IGCE, BR-13506900 Sao Paulo, Brazil-
Descrição: dc.descriptionFAPEMIG: APQ-00449-17-
Descrição: dc.descriptionFAPESP: 2013/50155-0-
Descrição: dc.descriptionFAPESP: 2013/50169-1-
Descrição: dc.descriptionFAPESP: 2009/54208-6-
Descrição: dc.descriptionFAPESP: 2016/26170-8-
Descrição: dc.descriptionFAPESP: 2018/06918-3-
Descrição: dc.descriptionCNPq: 424700/2018-2-
Descrição: dc.descriptionCAPES: 001-
Descrição: dc.descriptionCAPES: 88881.145912/2017-01-
Descrição: dc.descriptionCedro Textil, Reserva Vellozia, Parque Nacional da Serra do Cipo: PELD-CRSC-17-
Formato: dc.format1665-1669-
Idioma: dc.languageen-
Publicador: dc.publisherIeee-inst Electrical Electronics Engineers Inc-
Relação: dc.relationIeee Geoscience And Remote Sensing Letters-
???dc.source???: dc.sourceWeb of Science-
Palavras-chave: dc.subjectDeep learning-
Palavras-chave: dc.subjectnear surface-
Palavras-chave: dc.subjectphenology-
Palavras-chave: dc.subjectpixel classification-
Palavras-chave: dc.subjectunmanned aerial vehicles-
Título: dc.titleSpatio-Temporal Vegetation Pixel Classification by Using Convolutional Networks-
Tipo de arquivo: dc.typelivro digital-
Aparece nas coleções:Repositório Institucional - Unesp

Não existem arquivos associados a este item.