Modelos de Deep Learning e imagens RADARSAR
um estudo sobre detecção e identificação de alvos militares na Amazônia
Downloads
Não há dados estatísticos.
Referências
[1] ARIZA-LÓPEZ, F. J. A. et al. Casos Prácticos de Calidad em la Producción Cartográfica. 1. ed. Jaén: Universid de Jaén, 2004.
[2] CONGALTON, R. G. A review ofassessingtheaccuracyofclassificationsofremotelysensed data. Remote SensingofEnvironment, Amsterdam, 1991.
[3] DEITEL, PAUL J.; DEITEL, H. Introto Python for Computer Science and DataScience: Learning toProgram with AI, Big Data andthe Cloud. Pearson Education, 2019.
[4] GÉRON, A. Mãos à Obra: aprendizado de máquina com scikit-learn&
tensor flow. Rio de Janeiro: Alta Books, 2019.
[5] GOODFELLOW, IAN; BENGIO, YOSHUA; COURVILLER, A. Deep Learning. Mitpress, 2016.
[6] HARRISSON, M. Machine Learning – Guia de Referência Rápida: Trabalhando
com dados estruturados em Python. Novatec, 2020.
[7] MCDONNEL, M.J.; LEWIS, A.J. Shipdetection from Landsatimagery. PhotogrammetricEngineeringand Remote Sensing, Mar. 1978.
[8] PARADELLA, W.R.; SANTOS, A.R.; Veneziani, P.; Morais, M.C. O sinergismo de imagens standard descendente do RADARSAT-1 e ThematicMapper do LANDSAT-5 em aplicação geológica na Amazônia. In: Simpósio Brasileiro de Sensoriamento Remoto, 10., 2001, Foz do Iguaçu. Anais... São José dos Campos: INPE, 2001.
[9] RUSSELL, STUART; NORVIG, P. Inteligência Artificial. Elsevier, 2013.
[10] STAPLES, G.C.; Stevens W.; Jeffries, B.; Nazarenko, D. Shipdetectionusing RADARSATSAR imagery. Geomatics in the Era of RADARSAT. [online]. 25 May 1997.. 2000.
[11] SUAREZ, A. F. et al. Avaliação de acurácia da classificação de dados de sensoriamento remoto para o município de Maragogipe. In: SIMPÓSIO BRASILEIRO DE CIÊNCIAS GEODÉSICAS E TECNOLOGIAS DA INFORMAÇÃO, 4., 2012, Recife. Anais.... Recife: SIMGEO, 2012. p. 1-10.
[12] YANG, C.-S.; KIM, T.-H.; HONG, D.; AHN, H.-W. Design ofintegratedship
monitoring system using SAR, RADAR, and AIS. In: OCEAN SENSING AND
MONITORING,5.,2013.Proceedings. 2013. Proc. SPIE 8724. Disponívelem:
http://proceedings.spiedigitallibrary.org/proceeding.aspx?doi=10.1117/12.2018017
[14] YANG, F., XU, Q.; Li, B.; ShipDetection from OpticalSatellite Images basedonSaliencySegmentationandStructure-LBP Feature.IEEE Geoscience and Remote SensingLetters. Vol 14. Nr 5, May 2017.
[15] VAN DEN BROEK, B.; DEN BREEJEN, E.; DEKKER, R.; SMITH, A. Change detection and maritimesituationawareness in channelarea - Feasibilityofspaceborne SAR formaritimesituationawareness. In: IEEE International Geoscience and Remote SensingSymposium (IGARSS 2012), 2012, Munich. Proceedings… Munich: IEEE, 2012.
[16] FERNANDEZ, YOLANDA & SORIA-RUIZ, J. Imagenes SAR y Conceptos Basicos de Polarimetria. 2015.
[2] CONGALTON, R. G. A review ofassessingtheaccuracyofclassificationsofremotelysensed data. Remote SensingofEnvironment, Amsterdam, 1991.
[3] DEITEL, PAUL J.; DEITEL, H. Introto Python for Computer Science and DataScience: Learning toProgram with AI, Big Data andthe Cloud. Pearson Education, 2019.
[4] GÉRON, A. Mãos à Obra: aprendizado de máquina com scikit-learn&
tensor flow. Rio de Janeiro: Alta Books, 2019.
[5] GOODFELLOW, IAN; BENGIO, YOSHUA; COURVILLER, A. Deep Learning. Mitpress, 2016.
[6] HARRISSON, M. Machine Learning – Guia de Referência Rápida: Trabalhando
com dados estruturados em Python. Novatec, 2020.
[7] MCDONNEL, M.J.; LEWIS, A.J. Shipdetection from Landsatimagery. PhotogrammetricEngineeringand Remote Sensing, Mar. 1978.
[8] PARADELLA, W.R.; SANTOS, A.R.; Veneziani, P.; Morais, M.C. O sinergismo de imagens standard descendente do RADARSAT-1 e ThematicMapper do LANDSAT-5 em aplicação geológica na Amazônia. In: Simpósio Brasileiro de Sensoriamento Remoto, 10., 2001, Foz do Iguaçu. Anais... São José dos Campos: INPE, 2001.
[9] RUSSELL, STUART; NORVIG, P. Inteligência Artificial. Elsevier, 2013.
[10] STAPLES, G.C.; Stevens W.; Jeffries, B.; Nazarenko, D. Shipdetectionusing RADARSATSAR imagery. Geomatics in the Era of RADARSAT. [online]. 25 May 1997.
[11] SUAREZ, A. F. et al. Avaliação de acurácia da classificação de dados de sensoriamento remoto para o município de Maragogipe. In: SIMPÓSIO BRASILEIRO DE CIÊNCIAS GEODÉSICAS E TECNOLOGIAS DA INFORMAÇÃO, 4., 2012, Recife. Anais.... Recife: SIMGEO, 2012. p. 1-10.
[12] YANG, C.-S.; KIM, T.-H.; HONG, D.; AHN, H.-W. Design ofintegratedship
monitoring system using SAR, RADAR, and AIS. In: OCEAN SENSING AND
MONITORING,5.,2013.Proceedings. 2013. Proc. SPIE 8724. Disponívelem:
http://proceedings.spiedigitallibrary.org/proceeding.aspx?doi=10.1117/12.2018017
[14] YANG, F., XU, Q.; Li, B.; ShipDetection from OpticalSatellite Images basedonSaliencySegmentationandStructure-LBP Feature.IEEE Geoscience and Remote SensingLetters. Vol 14. Nr 5, May 2017.
[15] VAN DEN BROEK, B.; DEN BREEJEN, E.; DEKKER, R.; SMITH, A. Change detection and maritimesituationawareness in channelarea - Feasibilityofspaceborne SAR formaritimesituationawareness. In: IEEE International Geoscience and Remote SensingSymposium (IGARSS 2012), 2012, Munich. Proceedings… Munich: IEEE, 2012.
[16] FERNANDEZ, YOLANDA & SORIA-RUIZ, J. Imagenes SAR y Conceptos Basicos de Polarimetria. 2015.
