Fechar
Metadados

Área de identificação
Tipo de ReferênciaArtigo em Evento (Conference Proceedings)
Sitemtc-m12.sid.inpe.br
Identificador8JMKD3MGPAW/3PFRT45
Repositóriosid.inpe.br/sibgrapi/2017/08.22.00.41
Última Atualização2017:08.22.13.58.53 administrator
Metadadossid.inpe.br/sibgrapi/2017/08.22.00.41.47
Última Atualização dos Metadados2021:02.23.03.51.52 administrator
Chave de CitaçãoCastroFeiRosDiaSan:2017:CoAnDe
TítuloA Comparative Analysis of Deep Learning Techniques for Sub-tropical Crop Types Recognition from Multitemporal Optical/SAR Image Sequences
FormatoOn-line
Ano2017
Data de Acesso28 fev. 2021
Número de Arquivos1
Tamanho22342 KiB
Área de contextualização
Autor1 Castro, Jose Bermudez
2 Feitosa, Raul Queiroz
3 Rosa, Laura Cue La
4 Diaz, Pedro Achanccaray
5 Sanches, Ieda
Grupo1
2
3
4
5 DIDSR-CGOBT-INPE-MCTIC-GOV-BR
Afiliação1 Pontifical Catholic University of Rio de Janeiro
2 Pontifical Catholic University of Rio de Janeiro
3 Pontifical Catholic University of Rio de Janeiro
4 Pontifical Catholic University of Rio de Janeiro
5 National Institute for Space Research
EditorTorchelsen, Rafael Piccin
Nascimento, Erickson Rangel do
Panozzo, Daniele
Liu, Zicheng
Farias, Mylène
Viera, Thales
Sacht, Leonardo
Ferreira, Nivan
Comba, João Luiz Dihl
Hirata, Nina
Schiavon Porto, Marcelo
Vital, Creto
Pagot, Christian Azambuja
Petronetto, Fabiano
Clua, Esteban
Cardeal, Flávio
Endereço de e-Mailbermudez@ele.puc-rio.br
Nome do EventoConference on Graphics, Patterns and Images, 30 (SIBGRAPI)
Localização do EventoNiterói, RJ
DataOct. 17-20, 2017
Título do LivroProceedings
Editora (Publisher)IEEE Computer Society
Cidade da EditoraLos Alamitos
Tipo TerciárioFull Paper
Histórico2017-08-22 13:58:53 :: bermudez@ele.puc-rio.br -> administrator :: 2017
2021-02-23 03:51:52 :: administrator -> :: 2017
Área de conteúdo e estrutura
É a matriz ou uma cópia?é uma cópia
Estágio do Conteúdoconcluido
Tipo do ConteudoExternal Contribution
Palavras-ChaveCrop Recognition, Multitemporal Images, Autoencoders, Convolutional Neural Networks.
ResumoRemote Sensing (RS) data have been increasingly applied to assess agricultural yield, production and crop condition. In tropical areas, crop dynamics are complex due to multiple agricultural practices such as irrigation, non-tillage, crop rotation and multiple harvest per year. Spatial and temporal information can improve the performance in land-cover and crop type classification tasks. In this context Deep Learning (DL) have emerged as a powerful state-of-the-art technique in the RS community. This work presents a comparative analysis of traditional and DL (supervised and unsupervised) approaches for crop classification on sequences of multitemporal optical and SAR images. Three different approaches are compared: the image stacking approach, which is used as baseline, and two DL based approaches using Autoencoders (AEs) and Convolutional Neural Networks (CNNs). Experiments were carried out in two datasets from two different municipalities in Brazil, Ipu~{a} in S~{a}o Paulo state and Campo Verde in Mato Grosso state. It is shown that CNN and AE outperformed the traditional approach based on image stacking in terms of Overall Accuracy and Class Accuracy.
Arranjo 1SIBGRAPI 2017 > A Comparative Analysis...
Arranjo 2BDMCI > Fonds > Produção > DIDSR > A Comparative Analysis...
Conteúdo da Pasta sourcenão têm arquivos
Conteúdo da Pasta agreement
agreement.html 21/08/2017 21:41 1.2 KiB 
Área de condições de acesso e uso
URL dos dadoshttp://urlib.net/rep/8JMKD3MGPAW/3PFRT45
URL dos dados zipadoshttp://urlib.net/zip/8JMKD3MGPAW/3PFRT45
Idiomaen
Arquivo Alvo2017_SIBGRAPI_BERMUDEZ.pdf
Grupo de Usuáriosbermudez@ele.puc-rio.br
Visibilidadeshown
Permissão de Atualizaçãonão transferida
Área de fontes relacionadas
Repositório Espelhosid.inpe.br/banon/2001/03.30.15.38.24
Unidades Imediatamente Superiores8JMKD3MGPAW/3PKCC58
8JMKD3MGPCW/3ER446E
Área de notas
Campos Vaziosaccessionnumber archivingpolicy archivist area callnumber copyholder copyright creatorhistory descriptionlevel dissemination doi edition electronicmailaddress holdercode isbn issn label lineage mark nextedition notes numberofvolumes orcid organization pages parameterlist parentrepositories previousedition previouslowerunit progress project readergroup readpermission resumeid rightsholder secondarydate secondarykey secondarymark secondarytype serieseditor session shorttitle sponsor subject tertiarymark type url versiontype volume

Fechar