Busca avançada
Ano de início
Entree
(Referência obtida automaticamente do Web of Science, por meio da informação sobre o financiamento pela FAPESP e o número do processo correspondente, incluída na publicação pelos autores.)

Detection of Trees on Street-View Images Using a Convolutional Neural Network

Texto completo
Autor(es):
Jodas, Danilo Samuel [1, 2] ; Yojo, Takashi [2] ; Brazolin, Sergio [2] ; Velasco, Giuliana Del Nero [2] ; Papa, Joao Paulo [1]
Número total de Autores: 5
Afiliação do(s) autor(es):
[1] Sao Paulo State Univ, Dept Comp, BR-17033360 Bauru, SP - Brazil
[2] Univ Sao Paulo, Inst Technol Res, BR-05508901 Sao Paulo, SP - Brazil
Número total de Afiliações: 2
Tipo de documento: Artigo Científico
Fonte: International Journal of Neural Systems; v. 32, n. 01 JAN 2022.
Citações Web of Science: 0
Resumo

Real-time detection of possible deforestation of urban landscapes is an essential task for many urban forest monitoring services. Computational methods emerge as a rapid and efficient solution to evaluate bird's-eye-view images taken by satellites, drones, or even street-view photos captured at the ground level of the urban scenery. Identifying unhealthy trees requires detecting the tree itself and its constituent parts to evaluate certain aspects that may indicate unhealthiness, being street-level images a cost-effective and feasible resource to support the fieldwork survey. This paper proposes detecting trees and their specific parts on street-view images through a Convolutional Neural Network model based on the well-known You Only Look Once network with a MobileNet as the backbone for feature extraction. Essentially, from a photo taken from the ground, the proposed method identifies trees, isolates them through their bounding boxes, identifies the crown and stem, and then estimates the height of the trees by using a specific handheld object as a reference in the images. Experiment results demonstrate the effectiveness of the proposed method. (AU)

Processo FAPESP: 14/12236-1 - AnImaLS: Anotação de Imagem em Larga Escala: o que máquinas e especialistas podem aprender interagindo?
Beneficiário:Alexandre Xavier Falcão
Linha de fomento: Auxílio à Pesquisa - Temático
Processo FAPESP: 19/07665-4 - Centro de Inteligência Artificial
Beneficiário:Fabio Gagliardi Cozman
Linha de fomento: Auxílio à Pesquisa - Programa Centros de Pesquisa em Engenharia
Processo FAPESP: 13/07375-0 - CeMEAI - Centro de Ciências Matemáticas Aplicadas à Indústria
Beneficiário:José Alberto Cuminato
Linha de fomento: Auxílio à Pesquisa - Centros de Pesquisa, Inovação e Difusão - CEPIDs
Processo FAPESP: 17/50343-2 - Plano de desenvolvimento institucional na área de transformação digital: manufatura avançada e cidades inteligentes e sustentáveis (PDIp)
Beneficiário:Zehbour Panossian
Linha de fomento: Auxílio à Pesquisa - Programa Modernização de Institutos Estaduais de Pesquisa
Processo FAPESP: 19/18287-0 - Gestão de Florestas Urbanas em Tempo Real Utilizando Aprendizado de Máquina
Beneficiário:Danilo Samuel Jodas
Linha de fomento: Bolsas no Brasil - Pós-Doutorado