Correções
Browse files
README.md
CHANGED
|
@@ -1,3 +1,14 @@
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
| 1 |
# PROJETO CultIVE - Segmentação de imagens de satélite Sentinel-2 para identificar áreas de cultivo vulneráveis a mudanças climáticos
|
| 2 |
|
| 3 |
Feito por: Yasmin Vitória Rocha
|
|
@@ -75,4 +86,4 @@ Disseminação das Informações:
|
|
| 75 |
Obs: a escolha de U-Net + VGG16 se deve não só pelo projeto de identificação de talhões que faz tal uso, como pode ser adaptado como solução alternativa ajustado ao contexto de previsão de áreas propensas a eventos climáticos.
|
| 76 |
Além disso, a escolha também se deve com embasamento científico, artigos como [An attention-based U-Net for detecting deforestation within satellite sensor imagery](https://www.sciencedirect.com/science/article/pii/S0303243422000113), [Mapping Post-Earthquake Landslide Susceptibility Using U-Net, VGG-16, VGG-19, and Metaheuristic Algorithms](https://www.mdpi.com/2072-4292/15/18/4501) e [Comparative performance analysis of simple U-Net, residual attention U-Net, and VGG16-U-Net for inventory inland water bodies](https://www.researchgate.net/publication/376645755_Comparative_performance_analysis_of_simple_U-Net_residual_attention_U-Net_and_VGG16-U-Net_for_inventory_inland_water_bodies), não necessariamente estão ajustados ao escopo proposto, porém, serviram como base na possibilidade de identificar regiões em contextos diferentes.
|
| 77 |
|
| 78 |
-
|
|
|
|
| 1 |
+
---
|
| 2 |
+
datasets:
|
| 3 |
+
- MITCriticalData/Sentinel_L1C_2016_2021
|
| 4 |
+
language:
|
| 5 |
+
- pt
|
| 6 |
+
library_name: keras
|
| 7 |
+
tags:
|
| 8 |
+
- agriculture
|
| 9 |
+
- technology
|
| 10 |
+
- deep learning
|
| 11 |
+
---
|
| 12 |
# PROJETO CultIVE - Segmentação de imagens de satélite Sentinel-2 para identificar áreas de cultivo vulneráveis a mudanças climáticos
|
| 13 |
|
| 14 |
Feito por: Yasmin Vitória Rocha
|
|
|
|
| 86 |
Obs: a escolha de U-Net + VGG16 se deve não só pelo projeto de identificação de talhões que faz tal uso, como pode ser adaptado como solução alternativa ajustado ao contexto de previsão de áreas propensas a eventos climáticos.
|
| 87 |
Além disso, a escolha também se deve com embasamento científico, artigos como [An attention-based U-Net for detecting deforestation within satellite sensor imagery](https://www.sciencedirect.com/science/article/pii/S0303243422000113), [Mapping Post-Earthquake Landslide Susceptibility Using U-Net, VGG-16, VGG-19, and Metaheuristic Algorithms](https://www.mdpi.com/2072-4292/15/18/4501) e [Comparative performance analysis of simple U-Net, residual attention U-Net, and VGG16-U-Net for inventory inland water bodies](https://www.researchgate.net/publication/376645755_Comparative_performance_analysis_of_simple_U-Net_residual_attention_U-Net_and_VGG16-U-Net_for_inventory_inland_water_bodies), não necessariamente estão ajustados ao escopo proposto, porém, serviram como base na possibilidade de identificar regiões em contextos diferentes.
|
| 88 |
|
| 89 |
+
Outra observação é que, foi utilizado o Open Data do Sentinel do próprio Hugging Face isso porque elimina a necessidade de coletar dados ou obter imagens que muitas vezes atribui a custos maiores, sendo uma economia devido as vantagens de um Open Data, principalmente para um projeto piloto.
|