Atenção:
O eduCAPES é um repositório de objetos educacionais, não sendo responsável por materiais de terceiros submetidos na plataforma. O usuário assume ampla e total responsabilidade quanto à originalidade, à titularidade e ao conteúdo, citações de obras consultadas, referências e outros elementos que fazem parte do material que deseja submeter. Recomendamos que se reporte diretamente ao(s) autor(es), indicando qual parte do material foi considerada imprópria (cite página e parágrafo) e justificando sua denúncia.
Caso seja o autor original de algum material publicado indevidamente ou sem autorização, será necessário que se identifique informando nome completo, CPF e data de nascimento. Caso possua uma decisão judicial para retirada do material, solicitamos que informe o link de acesso ao documento, bem como quaisquer dados necessários ao acesso, no campo abaixo.
Todas as denúncias são sigilosas e sua identidade será preservada. Os campos nome e e-mail são de preenchimento opcional. Porém, ao deixar de informar seu e-mail, um possível retorno será inviabilizado e/ou sua denúncia poderá ser desconsiderada no caso de necessitar de informações complementares.
Metadados | Descrição | Idioma |
---|---|---|
Autor(es): dc.contributor | Universidade Federal de Minas Gerais (UFMG) | - |
Autor(es): dc.contributor | Universidade Estadual Paulista (UNESP) | - |
Autor(es): dc.contributor | Universidade Estadual de Campinas (UNICAMP) | - |
Autor(es): dc.creator | Nogueira, Keiller | - |
Autor(es): dc.creator | Dos Santos, Jefersson A. | - |
Autor(es): dc.creator | Cancian, Leonardo | - |
Autor(es): dc.creator | Borges, Bruno D. | - |
Autor(es): dc.creator | Silva, Thiago S. F. | - |
Autor(es): dc.creator | Morellato, Leonor Patrícia Cerdeira | - |
Autor(es): dc.creator | Torres, Ricardo Da S. | - |
Data de aceite: dc.date.accessioned | 2025-08-21T15:22:12Z | - |
Data de disponibilização: dc.date.available | 2025-08-21T15:22:12Z | - |
Data de envio: dc.date.issued | 2022-04-30 | - |
Data de envio: dc.date.issued | 2022-04-30 | - |
Data de envio: dc.date.issued | 2017-12-01 | - |
Fonte completa do material: dc.identifier | http://dx.doi.org/10.1109/IGARSS.2017.8127824 | - |
Fonte completa do material: dc.identifier | http://hdl.handle.net/11449/232709 | - |
Fonte: dc.identifier.uri | http://educapes.capes.gov.br/handle/11449/232709 | - |
Descrição: dc.description | Vegetation segmentation in high resolution images acquired by unmanned aerial vehicles (UAVs) is a challenging task that requires methods capable of learning high-level features while dealing with fine-grained data. In this paper, we propose a combination of different methods of semantic segmentation based on Convolutional Networks (ConvNets) to obtain highly accurate segmentation of individuals of different vegetation species. The objective is not only to learn specific and adaptable features depending on the data, but also to learn and combine appropriate classifiers. We conducted a systematic evaluation using a high-resolution UAV-based image dataset related to a campo rupestre vegetation in the Brazilian Cerrado biome. Experimental results show that the ensemble technique overcomes all segmentation strategies. | - |
Descrição: dc.description | Conselho Nacional de Desenvolvimento Científico e Tecnológico (CNPq) | - |
Descrição: dc.description | Department of Computer Science Universidade Federal de Minas Gerais | - |
Descrição: dc.description | Universidade Estadual Paulista Instituto de Geociências e Ciências Exatas (IGCE) | - |
Descrição: dc.description | Universidade Estadual Paulista Instituto de Biociências (IB) | - |
Descrição: dc.description | Institute of Computing University of Campinas | - |
Descrição: dc.description | Universidade Estadual Paulista Instituto de Geociências e Ciências Exatas (IGCE) | - |
Descrição: dc.description | Universidade Estadual Paulista Instituto de Biociências (IB) | - |
Formato: dc.format | 3787-3790 | - |
Idioma: dc.language | en | - |
Relação: dc.relation | International Geoscience and Remote Sensing Symposium (IGARSS) | - |
???dc.source???: dc.source | Scopus | - |
Palavras-chave: dc.subject | Deep Learning | - |
Palavras-chave: dc.subject | Plant Species | - |
Palavras-chave: dc.subject | Semantic Image Segmentation | - |
Palavras-chave: dc.subject | Unmanned Aerial Vehicles | - |
Título: dc.title | Semantic segmentation of vegetation images acquired by unmanned aerial vehicles using an ensemble of ConvNets | - |
Tipo de arquivo: dc.type | aula digital | - |
Aparece nas coleções: | Repositório Institucional - Unesp |
O Portal eduCAPES é oferecido ao usuário, condicionado à aceitação dos termos, condições e avisos contidos aqui e sem modificações. A CAPES poderá modificar o conteúdo ou formato deste site ou acabar com a sua operação ou suas ferramentas a seu critério único e sem aviso prévio. Ao acessar este portal, você, usuário pessoa física ou jurídica, se declara compreender e aceitar as condições aqui estabelecidas, da seguinte forma: