Use este identificador para citar ou linkar para este item:
http://hdl.handle.net/1843/33529
Tipo: | Dissertação |
Título: | Open set semantic egmentation of remote sensing images |
Título(s) alternativo(s): | Segmentação semântica de images de sensoriamento remoto em cenário de conjunto aberto |
Autor(es): | Caio Cesar Viana da Silva |
Primeiro Orientador: | Jefersson Alex dos Santos |
Primeiro membro da banca : | Fabrício Murai Ferreira |
Segundo membro da banca: | Rodrigo Minetto |
Terceiro membro da banca: | Heitor Soares Ramos Filho |
Resumo: | The main approaches developed in computer vision and digital image processing are focused on data obtained through smartphones and compact cameras. These cameras are typically used to capture scenes on RGB channels, only in the visible spectrum. Another source of images that are exploited by computer vision is satellite images or aerial images. However, the development of computational vision approaches that exploit satellite imagery is relatively recent, mainly due to the limited availability of this type of image. Until recently they were exclusively for military use. Access to aerial imagery, including spectral information, has been increasing mainly due to the low cost of drones, new civilian satellites, and data sets on various public platforms. In the area of remote sensing, applications that employ computational vision techniques are modeled for classification in closed set scenarios. However, the world is not purely closed set, many scenarios present classes that are not previously known by the algorithm, an open set scenario. Thus, the main objective of this dissertation is the study and development of semantic segmentation techniques considering the open set scenario applied to remote sensing images. The main contributions of this dissertation are: (1) a discussion of related works, showing evidence that semantic segmentation techniques can be adapted for open set scenarios; (2) the development of two methods for open set semantic segmentation. The OpenPixel and OpenFCN methods presented competitive results when compared to the closed set methods in the same data set. On average, the OpenPixel method had an overall accuracy of 57.51\%, a normalized accuracy of 54.23\% and a Kappa Index of 0.5602. For OpenFCN, the method resulted in an overall accuracy of 82.27\%, a standard accuracy of 64.39\% and a Kappa Index of 0.7630. It is possible to conclude that the proposed methods can segment unknown classes while still correctly classifying most of the known classes, performing open set semantic segmentation on remote sensing images. |
Abstract: | As principais abordagens desenvolvidas em visão computacional e processamento de imagem digital são voltadas para dados obtidos por meio de smartphones e câmeras compactas. Essas câmeras normalmente são usadas para capturar cenas nos canais RGB, ou seja, apenas no espectro visível. Outra fonte de imagens que são exploradas pela visão computacional, são as imagens de satélite ou imagens aéreas. Entretanto, o desenvolvimento de abordagens de visão computacional que exploram as imagens de satélite é relativamente recente devido principalmente à pouca disponibilidade a esse tipo de imagem. Até pouco tempo atrás elas eram de exclusivo uso militar. O acesso a imagens aéreas, inclusive com informação espectral, vem aumentando principalmente devido ao baixo custo de drones, novos satélites de uso civil, e conjuntos de dados em diversas plataformas públicas. Na área de sensoriamento remoto, as aplicações que empregam técnicas de visão computacional são modeladas para classificação em cenários fechados (closed set). No entanto, o mundo não é puramente closed set, muitos cenários apresentam classes que não são previamente conhecidas pelo algoritmo, um cenário de conjunto aberto (open set). Desse modo, o objetivo principal desta dissertação é o estudo e desenvolvimento de técnicas de segmentação semântica considerando o cenário open set aplicado a imagens de sensoriamento remoto. As principais contribuições dessa dissertação são: (1) uma discussão dos trabalhos relacionados, mostrando evidências de que técnicas de segmentação semântica podem ser adaptadas para cenários open set; e (2) o desenvolvimento de dois métodos para segmentação semântica open set. Os métodos OpenPixel e OpenFCN apresentaram resultados competitivos quando comparados aos métodos closed set no mesmo conjunto de dados. Em média, o método OpenPixel apresentou uma acurácia geral de 57,51\%, uma acurácia normalizada de 54,23\% e um Índice Kappa de 0,5602. Para o OpenFCN, o método resultou em uma acurácia geral de 82,27\%, uma acurácia normalizada de 64,39\% e um Índice Kappa de 0,7630. É possível concluir que os métodos propostos podem segmentar classes desconhecidas enquanto ainda classificam de forma correta a maioria das classes conhecidas, realizando uma segmentação semântica \textit{open set} em imagens de sensoriamento remoto. |
Assunto: | Computação - Teses Visão por computador Aprendizado do computador Sensoriamento remoto Linguagem de programação (Computadores) - Semântica |
Idioma: | eng |
País: | Brasil |
Editor: | Universidade Federal de Minas Gerais |
Sigla da Instituição: | UFMG |
Departamento: | ICX - DEPARTAMENTO DE CIÊNCIA DA COMPUTAÇÃO |
Curso: | Programa de Pós-Graduação em Ciência da Computação |
Tipo de Acesso: | Acesso Aberto |
URI: | http://hdl.handle.net/1843/33529 |
Data do documento: | 1-Nov-2019 |
Aparece nas coleções: | Dissertações de Mestrado |
Arquivos associados a este item:
Arquivo | Descrição | Tamanho | Formato | |
---|---|---|---|---|
Dissertacao.pdf | Open Set Semantic Segmentation of Remote Sensing Images | 27.26 MB | Adobe PDF | Visualizar/Abrir |
Os itens no repositório estão protegidos por copyright, com todos os direitos reservados, salvo quando é indicado o contrário.