Atenção: Todas as denúncias são sigilosas e sua identidade será preservada.
Os campos nome e e-mail são de preenchimento opcional
Metadados | Descrição | Idioma |
---|---|---|
Autor(es): dc.contributor | University of Brasilia, Department of Computer Science | - |
Autor(es): dc.contributor | University of Brasilia, Department of Geography | - |
Autor(es): dc.contributor | University of Brasilia, Department of Geography | - |
Autor(es): dc.contributor | University of Brasilia, Department of Geography | - |
Autor(es): dc.contributor | University of Brasilia, Department of Computer Science | - |
Autor(es): dc.creator | Carvalho, Osmar Luiz Ferreira de | - |
Autor(es): dc.creator | Carvalho Júnior, Osmar Abílio de | - |
Autor(es): dc.creator | Albuquerque, Anesmar Olino de | - |
Autor(es): dc.creator | Santana, Níckolas Castro | - |
Autor(es): dc.creator | Borges, Díbio Leandro | - |
Data de aceite: dc.date.accessioned | 2024-10-23T15:46:41Z | - |
Data de disponibilização: dc.date.available | 2024-10-23T15:46:41Z | - |
Data de envio: dc.date.issued | 2023-09-21 | - |
Data de envio: dc.date.issued | 2023-09-21 | - |
Data de envio: dc.date.issued | 2022-05-03 | - |
Fonte completa do material: dc.identifier | http://repositorio2.unb.br/jspui/handle/10482/46526 | - |
Fonte completa do material: dc.identifier | https://orcid.org/0000-0002-5619-8525 | - |
Fonte completa do material: dc.identifier | https://orcid.org/0000-0002-0346-1684 | - |
Fonte completa do material: dc.identifier | https://orcid.org/0000-0003-1561-7583 | - |
Fonte completa do material: dc.identifier | https://orcid.org/0000-0001-6133-6753 | - |
Fonte completa do material: dc.identifier | https://orcid.org/0000-0002-4868-0629 | - |
Fonte: dc.identifier.uri | http://educapes.capes.gov.br/handle/capes/891731 | - |
Descrição: dc.description | This letter proposes a novel method to obtain panoptic predictions by extending the semantic segmentation task with a few non-learning image processing steps, presenting the following benefits: 1) annotations do not require a specific format [e.g., common objects in context (COCO)]; 2) fewer parameters (e.g., single loss function and no need for object detection parameters); and 3) a more straightforward sliding windows implementation for large image classification (still unexplored for panoptic segmentation). Semantic segmentation models do not individualize touching objects, as their predictions can merge; i.e., a single polygon represents many targets. Our method overcomes this problem by isolating the objects using borders on the polygons that may merge. The data preparation requires generating a one-pixel border, and for unique object identification, we create a list with the isolated polygons, attribute a different value to each one, and use the expanding border (EB) algorithm for those with borders. Although any semantic segmentation model applies, we used the U-Net with three backbones (EfficientNet-B5, EfficientNet-B3, and EfficientNet-B0). The results show that the following hold: 1) the EfficientNet-B5 had the best results with 70% mean intersection over union (mIoU); 2) the EB algorithm presented better results for better models; 3) the panoptic metrics show a high capability of identifying things and stuff with 65 panoptic quality (PQ); and 4) the sliding windows on a 2560×2560 -pixel area has shown promising results, in which the ratio of merged objects by correct predictions was lower than 1% for all classes. | - |
Descrição: dc.description | Instituto de Ciências Exatas (IE) | - |
Descrição: dc.description | Departamento de Ciência da Computação (IE CIC) | - |
Descrição: dc.description | Instituto de Ciências Humanas (ICH) | - |
Descrição: dc.description | Departamento de Geografia (ICH GEA) | - |
Idioma: dc.language | en | - |
Publicador: dc.publisher | IEEE | - |
Relação: dc.relation | https://ieeexplore.ieee.org/document/9766343 | - |
Direitos: dc.rights | Acesso Restrito | - |
Palavras-chave: dc.subject | Sensoriamento remoto | - |
Palavras-chave: dc.subject | Segmentação semântica | - |
Palavras-chave: dc.subject | Aprendizagem profunda | - |
Palavras-chave: dc.subject | Segmentação de imagens | - |
Palavras-chave: dc.subject | Segmentação panótica | - |
Título: dc.title | Rethinking panoptic segmentation in remote sensing : a hybrid approach using semantic segmentation and non-learning methods | - |
Tipo de arquivo: dc.type | livro digital | - |
Aparece nas coleções: | Repositório Institucional – UNB |
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: