@inproceedings{Fabiano2021Deepb,

title = {Classifica\c{c}\~{a}o de Alvos em Imagens SAR com T\'{e}cnicas de Machine Learning},

author = {Fabiano Gabriel Silva and Bruna Gregory Palm and Renato Machado},

url = {https://www.sige.ita.br/edicoes-anteriores/2021/st/217773_1.pdf},

year  = {2021},

date = {2021-01-01},

booktitle = {Simp\'{o}sio de Aplica\c{c}\~{o}es Operacionais em \'{A}reas de Defesa 2021 (SIGE2021)},

abstract = {Atividades mar\'{i}timas que v\~{a}o desde o transporte de mercadorias at\'{e} a produ\c{c}\~{a}o de petr\'{o}leo e g\'{a}s natural s\~{a}o cada vez mais presentes em \'{a}guas brasileiras. O monitoramento dessas atividades \'{e} de fundamental import\^{a}ncia para coibir a\c{c}˜oes il\'{i}citas ou ilegais. O aumento da disponibilidade de dados de sensoriamento remoto permite que imagens de radar de abertura sint\'{e}tica (SAR - Synthetic Aperture Radar) possam ser explora- das na vigil\^{a}ncia mar\'{i}tima. Este trabalho considera o problema de classifica\c{c}\~{a}o de plataformas de petr\'{o}leo e navios localizados no litoral dos estados do Rio de Janeiro e Esp\'{i}rito Santo. Para o estudo, utilizaram-se imagens SAR com polariza\c{c}\~{a}o VH. Duas t\'{e}cnicas de machine learning foram avaliadas, a saber, Random Forest e K-nearest neighbors, com as quais pode-se obter taxas de acur\'{a}cia de 81,8% e 79,2%, respectivamente.},

keywords = {Deep Learning, Machine Learning, SAR-},

pubstate = {published},

tppubtype = {inproceedings}

}