by Capitão de Corveta (EN) Fabiano | set 16, 2021 | 2 comments
FG Silva; BG Palm; R Machado
Atividades marítimas que vão desde o transporte de mercadorias até a produção de petróleo e gás natural são cada vez mais presentes em águas brasileiras. O monitoramento dessas atividades é de fundamental importância para coibir ações ilícitas ou ilegais. O aumento da disponibilidade de dados de sensoriamento remoto permite que imagens de radar de abertura sintética (SAR – Synthetic Aperture Radar) possam ser exploradas na vigilância marítima. Este trabalho considera o problema de classificação de plataformas de petróleo e navios localizados no litoral dos estados do Rio de Janeiro e Espírito Santo. Para o estudo, utilizaram-se imagens SAR com polarização VH. Duas técnicas de machine learning foram avaliadas, a saber, Random Forest e K-nearest neighbors, com as quais pode-se obter taxas de acurácia de 81,83% e 79,23%, respectivamente. Palavras-Chave Deep Learning, Machine Learning, SAR-ATR.
Parabéns pela apresentação clara e objetiva! Complementando a pergunta anterior sobre os fatores que impactam o treinamento de um modelo de aprendizado de máquina, o quão aplicável o Sr considera implantar tal abordagem em cenários reais, haja vista ser de certa forma restrita a obtenção de imagens SAR de embarcações, aeronaves e equipamentos inimigos. O Sr considera que isso pode ser um fator limitante no que tange à aplicação da abordagem proposta? Obrigado!!!
Bom dia. De antemão, parabéns pelo trabalho. Gostaria de saber se, para as 50 classificações, foi levado em consideração o fator tempo (aberto, parcialmente fechado, chuva, etc) no cenário estudado. Desde já, obrigado!