Classificação Multi-Escala Utilizando Floresta de Caminhos Ótimos

Resumo

Atualmente, os principais problemas em reconhecimento de regiões em imagens desensoriamento remoto estão associados a dois fatores: (1) a dependência dasabordagens de classificação com relação à qualidade da segmentação; e (2)a seleção de amostras representativas para treinamento. O maior desafio é quenem sempre as amostras fornecidas por um usuário são suficientes para definir amelhor escala de segmentação. Além disso, a indicação de amostras paratreinamento pode resultar em custos adicionais, uma vez que pode ser necessáriorealizar visitas ao local de estudo dependendo da aplicação.A dependência da segmentação pode ser reduzida utilizandomúltiplas escalas ao invés de apenas um resultado de segmentação. A seleção deamostras representativas pode ser alcançada por meio do aprendizado ativo cominterações do usuário.Desse modo, o objetivo desse projeto de pesquisa é o desenvolvimento de umaabordagem de classificação multi-escala interativa que permita que a hierarquiade regiões seja alterada de acordo com as indicações do usuário.O método proposto deverá contribuir com três aplicações associadas a diferentesáreas de pesquisa do Instituto de Computação da Unicamp: (1) reconhecimentode padrões fenológicos; (2) classificação de áreas agrícolas utilizando dadosde múltiplos sensores; e (3) identificação de áreas de cultivo ilegal em imagensaéreas.