Home > Artigos > Dados espaço-temporais de observação da terra - Deep Learning - 2 de 2

22-08-2022

Dados espaço-temporais de observação da terra - Deep Learning - 2 de 2

Dados - Espaço - Tempo - Visão - Conceptual - Derivação - Entidades -Digitais - Deep - Learning


Na semana passada abordámos o tema “Dados espaço-temporais de observação da terra” e a necessidade de criar técnicas de processamento adaptativas capazes tratar grandes quantidades deste tipo de dados.


Hoje publicamos a 2ª parte do artigo e falar sobre a aplicação do Deep Learning (DL) que introduziu uma técnica de última geração capaz de dar resposta a este problema: Convolutional Neural Network (CNN) modelo DL mais popular para extrair recursos e objetos refinados e para análise de imagens.

 

A imagem apresentada é uma visão geral conceptual da derivação de entidades digitais a partir de dados de deteção remota utilizando técnicas de DL. A parte superior esquerda descreve a terra natural com diferentes superfícies terrestres, objetos e suas interações. A parte superior direita mostra a versão digitalizada da terra natural com foco na extração de entidades específicas. A parte inferior descreve um fluxo de trabalho de DL: a criação de dados por via do treino; treino e construção de modelos; e aplicação do modelo treinado para produzir inventários em larga escala de objetos e sua dinâmica na superfície da Terra.

 

Estas propriedades tornam o DL a ferramenta mais promissora para lidar com informações ambientais complexas e em larga escala, com CNNs especialmente capazes de analisar dados de imagens. Considerando o papel fundamental do DL na visão computacional e no reconhecimento de imagens, segmentação de imagens e deteção de objetos, estes métodos podem arquivar e classificar automaticamente dados de observação da terra numa cena, instância e nível de pixel.

 

Inteligência - Artificial - Machine - Learning - Deep - LearningInteligência - Artificial - Machine - Learning - Deep - LearningInteligência - Artificial - Machine - Deep - Learning - Gémeo - Digital - Twin

 

Portanto, o DL é ideal para pesquisas de observação da terra, a fim de criar inventários de objetos em direção a uma terra gémea digital, conforme ilustrado na imagem, a fim de analisar melhor a dinâmica dos objetos e o seu impacto no nosso planeta.

 

Os recursos de Inteligência Artificial, Machine Learning e de Deep Learning são cada vez mais considerados excecionalmente relevantes para os desafios ecológicos atuais, bem como as suas interações com a economia e a sociedade.

 

Num futuro próximo, as investigações que analisam a dinâmica de objetos com CNNs terão um impacto significativo na pesquisa de observação da terra.

 

Artigos relacionados:

 

 
 👉 Follow @niuGIS

RELACIONADAS


24-11-2021
Missão DART

Contacte-nos 214 213 262

Informações