Fine-Tuning Contextual-Based Optimum-Path Forest for Land-Cover Classification

Autor(es)

Osaku, Daniel ^[1] ; Pereira, Danillo R. ^[2] ; Levada, Alexandre L. M. ^[1] ; Papa, Joao P. ^[2]

Afiliação do(s) autor(es)

^[1] Univ Fed Sao Carlos, Dept Comp Sci, BR-13565905 Sao Carlos, SP - Brazil

^[2] Sao Paulo State Univ, Dept Comp, BR-01049010 Sao Paulo - Brazil

• Tipo de documento: Artigo Científico
• Fonte: IEEE Geoscience and Remote Sensing Letters; v. 13, n. 5, p. 735-739, MAY 2016.
• Citações Web of Science: 1

Resumo

Contextual-based learning aims at considering neighboring pixels to improve pixelwise-oriented classification techniques. In this letter, we presented a metaheuristic framework for the optimization of nondiscrete Markovian models considering the optimum-path forest (OPF) classifier, and we proposed a post-processing procedure to avoid overcorrection over high-frequency regions. The proposed approach outperformed previous results obtained with standard OPF in satellite imagery. (AU)

• Processo FAPESP: 14/16250-9 - Sobre a otimização de parâmetros em técnicas de aprendizado de máquina: avanços e paradigmas
• Beneficiário: João Paulo Papa
• Modalidade de apoio: Auxílio à Pesquisa - Regular
• Processo FAPESP: 12/06472-9 - Explorando Abordagens de Classificação Contextual para Floresta de Caminhos Ótimos
• Beneficiário: Daniel Osaku
• Modalidade de apoio: Bolsas no Brasil - Doutorado
• Processo FAPESP: 13/20387-7 - Otimização de hiperparâmetros em arquiteturas de aprendizado em profundidade
• Beneficiário: João Paulo Papa
• Modalidade de apoio: Bolsas no Exterior - Pesquisa