Avaliação do
Você é humano?
8
5
=
Denunciar conteúdo impróprio
Atenção: Todas as denúncias são sigilosas e sua identidade será preservada.
Os campos nome e e-mail são de preenchimento opcional
Extração automática de edificações para a produção cartográfica utilizando inteligência artificial
Use este link compartilhar ou citar este material: http://educapes.capes.gov.br/handle/capes/714239
Registro completo de metadados
| Metadados | Descrição | Idioma |
|---|---|---|
| Autor(es): dc.contributor | Bias, Edilson de Souza | - |
| Autor(es): dc.contributor | Silva, Nilton Correia da | - |
| Autor(es): dc.contributor | philipeborba@gmail.com | - |
| Autor(es): dc.creator | Borba, Philipe | - |
| Data de aceite: dc.date.accessioned | 2022-08-15T13:41:50Z | - |
| Data de disponibilização: dc.date.available | 2022-08-15T13:41:50Z | - |
| Data de envio: dc.date.issued | 2022-05-03 | - |
| Data de envio: dc.date.issued | 2022-05-03 | - |
| Data de envio: dc.date.issued | 2022-05-03 | - |
| Data de envio: dc.date.issued | 2022-02-23 | - |
| Fonte completa do material: dc.identifier | https://repositorio.unb.br/handle/10482/43630 | - |
| Fonte: dc.identifier.uri | http://educapes.capes.gov.br/handle/capes/714239 | - |
| Descrição: dc.description | Dissertação (mestrado) — Universidade de Brasília, Instituto de Geociências, Programa de Pós-Graduação em Geociências Aplicadas, 2022. | - |
| Descrição: dc.description | Extração de edificações por meio de imagens oriundas de sensores aerotransportados é uma atividade essencial para aplicações como planejamento urbano e produção cartográfica. No caso da produção cartográfica, ao utilizar somente imagens, tal processo é essencialmente manual, seja por meio de restituição fotogramétrica, seja por digitalização em uma ortoimagem. Dados os recentes avanços no campo de inteligência artificial, particularmente no ramo de Deep Learning (DL), a presente dissertação propõe um novo método baseado em redes convolucionais profundas (convolutional neural networks) para extrair automaticamente a geometria de edificações em regiões densamente edificadas, denominado HRNet OCR w48 Frame Field. Tal técnica consiste na combinação entre a rede neural convolucional profunda HRNet OCR w48 e a estrutura Frame Field. Dessa combinação, além das máscaras binárias de segmentação, é extraído um campo vetorial complexo (Frame Field) utilizado em um método de pós-processamento denominado Active Skeletons Method (ASM) para a obtenção de polígonos com formatos de edificações. Além do método supramencionado, identificou-se na literatura um método que no escopo desta pesquisa foi denominado ModPolyMapper, que também é capaz de extrair polígonos de edificações e que apresentou, em regiões esparsas, resultados adequados aos parâmetros definidos na pesquisa. Em adição, a presente pesquisa também propõe um novo conjunto de dados (dataset), para o treinamento de métodos semelhantes aos apresentados, denominado Brazilian Army Geographic Service Buildings dataset. Além disso, foram desenvolvidos frameworks baseados em software livre e de código aberto, na linguagem de programação Python, um utilizando o Tensorflow, e outro o PyTorch, para o treinamento de redes de segmentação semântica, denominados respectivamente segmentation_models_trainer e pytorch_segmentation_models_trainer. Outrossim, também foi desenvolvido um complemento para o QGIS, denominado DeepLearningTools, para a construção e visualização de máscaras para o treinamento. Ademais, foi realizada uma análise de qualidade à luz das normas do Sistema Cartográfico Nacional (SCN) para atestar que ambos os métodos abordados nesta pesquisa são adequados para a elaboração de cartas na escala 1:25.000, em conformidade com as normas do Sistema Cartográfico Nacional (SCN). | - |
| Descrição: dc.description | Building footprint extraction using airborne imagery is essential for urban planning and cartographic production. Notably, for cartographic production, when using only images, that process is essentially handcrafted, either by photogrammetry restitution or by extracting features manually using an orthoimage. With the recent advances in Artificial Intelligence, particularly in Deep Learning, the present masters’ dissertation proposes a new method based on deep convolutional neural network techniques to automatically extract building footprints in densely built-up areas, named HRNet OCR w48 Frame Field. Such a technique combines the deep convolutional neural network HRNet OCR w48 with Frame Field’s structure. Besides the binary segmentation masks, these combinations extract a complex vector field (Frame Field), which is used in a post-processing technique named Active Skeletons Method (ASM) to extract building footprints. Moreover, we identified in the literature a method that in this research is named ModPolyMapper, which is also capable of extracting building footprints, and which presented relevant results according to the research parameters in sparse regions. Furthermore, the current research also proposes a new dataset for training methods similar to the previously presented ones, named Brazilian Army Geographic Service Buildings Dataset. In addition, we developed two free and open source frameworks in Python, one using Tensorflow, while the other uses PyTorch to train semantic segmentation neural networks, respectively named segmentation_models_trainer and pytorch_segmentation_models_trainer. Thus, we also developed a QGIS plugin named DeepLearningTools, used to build and visualize training masks. Additionally, we carried out a quality assurance analysis in light of the specifications of the National Cartographic System to assess that both mentioned methods in this research are suitable to build topographic charts on the scale of 1:25,000. | - |
| Formato: dc.format | application/pdf | - |
| Direitos: dc.rights | Acesso Aberto | - |
| Direitos: dc.rights | A concessão da licença deste item refere-se ao termo de autorização impresso assinado pelo autor com as seguintes condições: Na qualidade de titular dos direitos de autor da publicação, autorizo a Universidade de Brasília e o IBICT a disponibilizar por meio dos sites www.bce.unb.br, www.ibict.br, http://hercules.vtls.com/cgi-bin/ndltd/chameleon?lng=pt&skin=ndltd sem ressarcimento dos direitos autorais, de acordo com a Lei nº 9610/98, o texto integral da obra disponibilizada, conforme permissões assinaladas, para fins de leitura, impressão e/ou download, a título de divulgação da produção científica brasileira, a partir desta data. | - |
| Palavras-chave: dc.subject | Sensoriamento remoto | - |
| Palavras-chave: dc.subject | Deep Learning | - |
| Palavras-chave: dc.subject | Segmentação semântica | - |
| Palavras-chave: dc.subject | Produção cartográfica | - |
| Título: dc.title | Extração automática de edificações para a produção cartográfica utilizando inteligência artificial | - |
| Tipo de arquivo: dc.type | livro digital | - |
| Aparece nas coleções: | Repositório Institucional – UNB | |
Não existem arquivos associados a este item.
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:
- O Termo de Uso pode ser modificado pela CAPES a qualquer tempo, sem necessidade de notificação prévia, sendo que tais modificações serão válidas a partir da data de sua veiculação neste portal;
- Para aprovação de cadastro do usuário ao sistema, a CAPES pode requisitar o fornecimento de informações, haja vista a política de segurança adotada, objetivando resguardar a segurança dos usuários nesse ambiente virtual;
- O usuário aceita e declara compreender que, em razão do peculiar ambiente da Internet, a CAPES não poderá garantir que o acesso ao site seja livre de erros ou problemas decorrentes de casos fortuitos, internos ou externos, casos de força maior ou ainda de outros casos não inteiramente sujeitos a controle direto dos administradores do site e, portanto o usuário se obriga a isentar a CAPES de quaisquer reclamações ou indenizações. A CAPES também não se responsabiliza por interrupções, interceptações, invasões, disseminação de vírus ou outros atos ilícitos, típicos e atípicos de ambiente virtual, e de web, dos quais a CAPES não tenha tido intenção deliberada de participar ou praticar;
- O usuário aceita e declara compreender que qualquer texto, marca, áudio, imagem, ou conteúdo veiculados no site são protegidos por direitos de propriedade intelectual o qual deve ser respeitado de acordo com a licença concedida pelo respectivo detentor dos referidos direitos, sob pena de apuração das responsabilidades cabíveis;
-
Desta forma a CAPES se exime de toda e qualquer responsabilidade por eventuais perdas, danos e prejuízos de qualquer natureza decorrentes:
- Do descumprimento da lei, da moral e dos bons costumes, como consequência da transmissão, difusão, armazenamento, disponibilização, recepção, obtenção ou acesso aos conteúdos;
- Da infração aos direitos de propriedade intelectual e industrial, segredos empresariais, compromissos contratuais de qualquer tipo, direitos à honra, à intimidade pessoal e familiar, à imagem das pessoas, direitos de propriedade e de toda e qualquer natureza pertencentes a um terceiro por consequência da transmissão, difusão, armazenamento, disponibilização, recepção, obtenção ou acesso aos conteúdos;
- Da falta de veracidade, precisão, exatidão, pertinência e/ou atualidade dos conteúdos;
- Da inadequação para qual seja o propósito, ou da frustração, das expectativas geradas pelos conteúdos;
- Exceto quando mencionado explicitamente, ou quando se tratar de citação de material alheio ou ilustração, nos limites estabelecidos pela Lei 9.610/98, todo o Conteúdo textual original do Portal eduCAPES está disponível livremente para leitura, entre outros direitos, conforme definido na licença Creative Commons;
- A CAPES não se responsabiliza pelos comentários, opiniões, informações, depoimentos, mensagens, vídeos, textos, imagens, áudios ou qualquer outro tipo de conteúdo que sejam, postados, publicados e disponibilizados através do Portal eduCAPES pelos usuários, sendo a responsabilidade civil e criminal atribuída única e exclusivamente ao autor dos comentários, opiniões, informações, ou mensagens. Todo o conteúdo publicado por usuários são de responsabilidade exclusiva dos mesmos e de caráter completamente independente, sendo que todo e qualquer tipo de opinião, ideal e/ou posição expressados não refletem necessariamente o ponto de vista e a posição do Portal eduCAPES e/ou da CAPES. A CAPES se reserva o direito de armazenar as informações destes autores e/ou Usuários, a fim de viabilizar sua identificação;
- O usuário aceita e declara compreender que a CAPES poderá disponibilizar no Portal eduCAPES, links de acesso para outros sites e endereços virtuais administrados, controlados ou operados por terceiros. Qualquer site conectado a partir do eduCAPES não está sob o controle da CAPES;
- A CAPES não assume nenhuma responsabilidade ou obrigação por qualquer informação, comunicação ou material encontrado em tais sites, ou em qualquer site conectado a tais sites. A CAPES não assume qualquer responsabilidade pelos serviços ou funcionalidades ali dispostos, sendo a decisão de utilização e a forma de relacionamento com os mesmos de exclusiva responsabilidade do usuário, que inclusive isenta a CAPES de fiscalizar o conteúdo ou zelar pela integridade de tais sites ou endereços virtuais.
- O usuário aceita e declara compreender que o acesso a determinadas áreas do site será restrito. Para acessá-las, o usuário deverá fazer o login e cadastrar uma senha de acesso. A senha é individual, sigilosa e intransferível, sendo o usuário o único responsável pela guarda da mesma. O usuário assume toda e qualquer responsabilidade pelo mau uso ou pela utilização da senha por terceiros;
- A CAPES reserva o direito de excluir o cadastro, de excluir o material submetido ou proibir o acesso do usuário ao portal eduCAPES no caso de qualquer abuso ou indício de prática ilícita no uso do site ou de qualquer uso não autorizado ou proibido pelo usuário, nos termos da legislação brasileira;
- As condições estabelecidas no Termo de Aceite e Uso do Site são regidas pela lei brasileira. Sob nenhuma circunstância o usuário deverá violar qualquer lei usando o portal eduCAPES para propósitos que incluam, mas não limitados a isso, difamação ou perturbação de outros, violação de direitos de propriedade intelectual ou de terceiros, envio de material obsceno ou ofensivo, vírus, arquivos corrompidos, ou outros programas que poderiam danificar ou alterar este site ou os computadores de empresa ou de terceiros;
- A CAPES reserva o direito de retirar qualquer conteúdo que infrinja a lei, a moral e os bons costumes nos termos da legislação vigente e também na hipótese de o conteúdo não se coadunar com as finalidades educativas do Portal. A CAPES garante o direito de defesa e contraditório dos usuários. O usuário reconhece que o material enviado por terceiros, que não a CAPES, não é endossado pela mesma.
Concordo e desejo baixar o arquivo
Não concordo e não irei baixar o arquivo
Não concordo e não irei baixar o arquivo