Aplicação de Modelos de Aprendizado Semissupervisionado na Classificação de Imagens de Sensoriamento Remoto

Authors

  • Rogério Galante Negri Instituto Nacional de Pesquisas Espaciais/Divisão de Processamento de Imagens
  • Sidnei João Siqueira Sant'Anna Instituto Nacional de Pesquisas Espaciais/Divisão de Processamento de Imagens
  • Luciano Vieira Dutra Instituto Nacional de Pesquisas Espaciais/Divisão de Processamento de Imagens

DOI:

https://doi.org/10.22456/2175-2745.36371

Abstract

Nas mais diversas aplicações, a escassez de informação para o devido treinamento e utilização de métodos de Aprendizado de Máquina supervisionado é um problema persistente. Este fato motivou o desenvolvimento do paradigma de aprendizado semissupervisionado, que pode ser entendido como uma combinação de conceitos dos paradigmas supervisionado e não supervisionado. A maneira como o aprendizado é conduzido permite organizar os métodos semissupervisonados em diferentes modelos. Este trabalho apresenta um estudo comparativo entre diferentes modelos de aprendizado semissupervisionado. É também proposta uma versão semissupervisonada do método SVM, o qual alcançou melhor desempenho nas comparações realizadas.

Downloads

Download data is not yet available.

Author Biographies

Rogério Galante Negri, Instituto Nacional de Pesquisas Espaciais/Divisão de Processamento de Imagens

Possui graduação em Licenciatura Plena Em Matemática pela Universidade Estadual Paulista Júlio de Mesquita Filho (2006) e Mestrado em Computação Aplicada pelo Instituto Nacional de Pesquisas Espaciais (2009). Atualmente é doutorando em Computação Aplicada, com ênfase em técnicas de Reconhecimento de Padrões, no Instituto Nacional de Pesquisas Espaciais. Tem experiência em Geoestatística, SIG, Processamento de Imagens de RADAR e Reconhecimento de Padrões. É professor na Faculdade de Tecnologia de São José dos Campos (FATEC-SJC).

Sidnei João Siqueira Sant'Anna, Instituto Nacional de Pesquisas Espaciais/Divisão de Processamento de Imagens

possui graduação em Engenharia Eletrica Eletronica pela Universidade Federal do Rio de Janeiro (1993) , mestrado em Sensoriamento Remoto pelo Instituto Nacional de Pesquisas Espaciais (1995) e doutorado em Engenharia Eletrônica e Computação pelo Instituto Tecnológico de Aeronáutica (2009) . Atualmente é Tecnologista Senior I do Instituto Nacional de Pesquisas Espaciais e Revisor de periódico da Pattern Recognition. Tem experiência na área de Geociências, com ênfase em Geofísica. Atuando principalmente nos seguintes temas: Speckle, Radar de Abertura Sintetica, Filtragem.

Luciano Vieira Dutra, Instituto Nacional de Pesquisas Espaciais/Divisão de Processamento de Imagens

Possui graduação em Engenharia de Eletrônica pelo Instituto Tecnológico de Aeronáutica (1976), mestrado em Computação Aplicada pelo Instituto Nacional de Pesquisas Espaciais (1981) doutorado em Computação Aplicada pelo Instituto Nacional de Pesquisas Espaciais (1989). Realizou estágio de Pós Doutorado na Universidade de Sheffield (Inglaterra/1991). Atualmente é pesquisador titular III do Instituto Nacional de Pesquisas Espaciais. Tem experiência na área de Ciência da Computação, com ênfase em Processamento de Imagens de Radar e Reconhecimento de Padrões, atuando principalmente em aplicações ambientais: análise tri-dimensional de florestas tropicais e estimação de biomassa, influências ambientais em epidemiologia e análise de ambientes urbanos. Do ponto de vista computacional o foco é o desenvolvimento de sistemas especialistas para análise de imagens de muito alta resolução, métodos para processamento e análise de imagens de radar e modelagem tri-dimensional de superfícies vegetadas usando Interferometria de múltiplas linhas-base.

Published

2013-04-13

How to Cite

Negri, R. G., Sant’Anna, S. J. S., & Dutra, L. V. (2013). Aplicação de Modelos de Aprendizado Semissupervisionado na Classificação de Imagens de Sensoriamento Remoto. Revista De Informática Teórica E Aplicada, 20(2), 32–55. https://doi.org/10.22456/2175-2745.36371

Issue

Section

Regular Papers