Soluções Integradas de Aprendizado Profundo para Segmentação de Imagens e Detecção de Desmatamento

Resumo

Este projeto foca no desenvolvimento de novas metodologias e ferramentas baseadas em aprendizado profundo nas frentes de Visão Computacional de (i) segmentação semi-assistida de imagens e (ii) identificação de ocorrências de desmatamento na Amazônia brasileira. Trata-se de um projeto multifacetado que busca avançar no limiar do conhecimento dessas linhas a partir de novas investigações e pesquisas ora em curso. Na vertente de segmentação de imagens, o objetivo é desenvolver novos frameworks computacionais de aprendizado profundo integrando redes neurais de segmentação semântica e estratégias direcionadas por grafos extraídos de imagens. Soma-se ainda nesta via a combinação de modelos de difusão em grafos com redes convolucionais específicas, como aprendizado de bordas e contornos finos. Na frente de detecção de desmatamento, a proposta é formular novas abordagens guiadas por aprendizado profundo a partir de séries temporais de imagens de sensoriamento remoto. Além de identificar as ocorrências de forma concisa e com consistência temporal, a abordagem proposta prevê o mapeamento automático das porções desmatadas, resultando assim em um método que seja, simultaneamente, acurado e inteiramente não-supervisionado. Para essa tarefa, serão implementadas combinações de redes neurais clássicas, como a LSTM, com arquiteturas de detecção de mudanças espaciais, como a Early Fusion e CSVMN. (AU)