| Texto completo | |
| Autor(es): |
Pereira, D. R.
;
Papa, J. P.
;
Papa, L. P.
;
Pisani, R. J.
;
IEEE
Número total de Autores: 5
|
| Tipo de documento: | Artigo Científico |
| Fonte: | IGARSS 2018 - 2018 IEEE INTERNATIONAL GEOSCIENCE AND REMOTE SENSING SYMPOSIUM; v. N/A, p. 4-pg., 2018-01-01. |
| Resumo | |
Satellite images have been used in a number of applications, both in the academy and in the industry. One critical purpose concerns the land-use classification, which aims at automatically identifying different land-use applications, which range from economy and environmental monitoring to resources planning. In this paper, we introduce a new machine learning technique called Finite Element Machines (FEMa) in the context of land-use classification using satellite images. We show that FEMa can obtain results that are comparable to some state-of-the-art techniques in the literature. (AU) | |
| Processo FAPESP: | 13/07375-0 - CeMEAI - Centro de Ciências Matemáticas Aplicadas à Indústria |
| Beneficiário: | Francisco Louzada Neto |
| Modalidade de apoio: | Auxílio à Pesquisa - Centros de Pesquisa, Inovação e Difusão - CEPIDs |
| Processo FAPESP: | 16/19403-6 - Modelos de aprendizado baseados em energia e suas aplicações |
| Beneficiário: | João Paulo Papa |
| Modalidade de apoio: | Auxílio à Pesquisa - Regular |
| Processo FAPESP: | 14/12236-1 - AnImaLS: Anotação de Imagem em Larga Escala: o que máquinas e especialistas podem aprender interagindo? |
| Beneficiário: | Alexandre Xavier Falcão |
| Modalidade de apoio: | Auxílio à Pesquisa - Temático |