Semantic segmentation of vegetation images acquired by unmanned aerial vehicles using an ensemble of ConvNets

Registro completo de metadados
MetadadosDescriçãoIdioma
Autor(es): dc.contributorUniversidade Federal de Minas Gerais (UFMG)-
Autor(es): dc.contributorUniversidade Estadual Paulista (UNESP)-
Autor(es): dc.contributorUniversidade Estadual de Campinas (UNICAMP)-
Autor(es): dc.creatorNogueira, Keiller-
Autor(es): dc.creatorDos Santos, Jefersson A.-
Autor(es): dc.creatorCancian, Leonardo-
Autor(es): dc.creatorBorges, Bruno D.-
Autor(es): dc.creatorSilva, Thiago S. F.-
Autor(es): dc.creatorMorellato, Leonor Patrícia Cerdeira-
Autor(es): dc.creatorTorres, Ricardo Da S.-
Data de aceite: dc.date.accessioned2025-08-21T15:22:12Z-
Data de disponibilização: dc.date.available2025-08-21T15:22:12Z-
Data de envio: dc.date.issued2022-04-30-
Data de envio: dc.date.issued2022-04-30-
Data de envio: dc.date.issued2017-12-01-
Fonte completa do material: dc.identifierhttp://dx.doi.org/10.1109/IGARSS.2017.8127824-
Fonte completa do material: dc.identifierhttp://hdl.handle.net/11449/232709-
Fonte: dc.identifier.urihttp://educapes.capes.gov.br/handle/11449/232709-
Descrição: dc.descriptionVegetation 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.descriptionConselho Nacional de Desenvolvimento Científico e Tecnológico (CNPq)-
Descrição: dc.descriptionDepartment of Computer Science Universidade Federal de Minas Gerais-
Descrição: dc.descriptionUniversidade Estadual Paulista Instituto de Geociências e Ciências Exatas (IGCE)-
Descrição: dc.descriptionUniversidade Estadual Paulista Instituto de Biociências (IB)-
Descrição: dc.descriptionInstitute of Computing University of Campinas-
Descrição: dc.descriptionUniversidade Estadual Paulista Instituto de Geociências e Ciências Exatas (IGCE)-
Descrição: dc.descriptionUniversidade Estadual Paulista Instituto de Biociências (IB)-
Formato: dc.format3787-3790-
Idioma: dc.languageen-
Relação: dc.relationInternational Geoscience and Remote Sensing Symposium (IGARSS)-
???dc.source???: dc.sourceScopus-
Palavras-chave: dc.subjectDeep Learning-
Palavras-chave: dc.subjectPlant Species-
Palavras-chave: dc.subjectSemantic Image Segmentation-
Palavras-chave: dc.subjectUnmanned Aerial Vehicles-
Título: dc.titleSemantic segmentation of vegetation images acquired by unmanned aerial vehicles using an ensemble of ConvNets-
Tipo de arquivo: dc.typeaula digital-
Aparece nas coleções:Repositório Institucional - Unesp

Não existem arquivos associados a este item.