General unsupervised semantic segmentation pipeline

Detalhes bibliográficos
Ano de defesa: 2023
Autor(a) principal: João Pedro Klock Ferreira
Orientador(a): Não Informado pela instituição
Banca de defesa: Não Informado pela instituição
Tipo de documento: Dissertação
Tipo de acesso: Acesso aberto
Idioma: eng
Instituição de defesa: Universidade Federal de Minas Gerais
Programa de Pós-Graduação: Não Informado pela instituição
Departamento: Não Informado pela instituição
País: Não Informado pela instituição
Palavras-chave em Português:
Engenharia elétrica
Redes Neurais (Computação)
Sensoriamento remoto
Semantic segmentation
Unsupervised
Weakly supervised
Remote sensing
Scribbles
Link de acesso: https://hdl.handle.net/1843/58334
Resumo: Neste trabalho apresentamos um pipeline de segmentação semântica não supervisionada baseado em Redes Neurais Convolucionais (CNNs), com foco em imagens de sensoriamento remoto. Nosso pipeline aprimora os artigos que representam o atual estado-da-arte na literatura, resultando em uma metodologia versátil que pode receber entradas supervisionadas, não supervisionadas e fracamente supervisionadas. Também propomos uma metodologia de geração automática de scribbles que é capaz de rotular semi-automaticamente grandes conjuntos de dados com supervisão mínima. Para acompanhar esta metodologia também propomos um classificador de scribbles e uma ferramenta de rotulagem de scribbles. E, finalmente, propomos duas aplicações do mundo real onde testamos as capacidades de nossa rede proposta. Os resultados em datasets de benchmarking mostram que nossa rede proposta pode ser competitiva com o estado da arte atual para métodos baseados em CNN, o gerador de scribble é capaz de fornecer scribbles significativos e relevantes para grandes conjuntos de dados, e nossas aplicações mostram uma variedade de possibilidades de uso para nossos rede.
id UFMG_1ae98f247f6d7cf60833ce7e2db6630e
oai_identifier_str oai:repositorio.ufmg.br:1843/58334
network_acronym_str UFMG
network_name_str Repositório Institucional da UFMG
repository_id_str
spelling General unsupervised semantic segmentation pipelinePipeline generalista de segmentação semântica não supervisionadaEngenharia elétricaRedes Neurais (Computação)Sensoriamento remotoSemantic segmentationUnsupervisedWeakly supervisedRemote sensingScribblesNeste trabalho apresentamos um pipeline de segmentação semântica não supervisionada baseado em Redes Neurais Convolucionais (CNNs), com foco em imagens de sensoriamento remoto. Nosso pipeline aprimora os artigos que representam o atual estado-da-arte na literatura, resultando em uma metodologia versátil que pode receber entradas supervisionadas, não supervisionadas e fracamente supervisionadas. Também propomos uma metodologia de geração automática de scribbles que é capaz de rotular semi-automaticamente grandes conjuntos de dados com supervisão mínima. Para acompanhar esta metodologia também propomos um classificador de scribbles e uma ferramenta de rotulagem de scribbles. E, finalmente, propomos duas aplicações do mundo real onde testamos as capacidades de nossa rede proposta. Os resultados em datasets de benchmarking mostram que nossa rede proposta pode ser competitiva com o estado da arte atual para métodos baseados em CNN, o gerador de scribble é capaz de fornecer scribbles significativos e relevantes para grandes conjuntos de dados, e nossas aplicações mostram uma variedade de possibilidades de uso para nossos rede.Universidade Federal de Minas Gerais2023-08-29T18:54:00Z2025-09-08T23:19:13Z2023-08-29T18:54:00Z2023-05-12info:eu-repo/semantics/publishedVersioninfo:eu-repo/semantics/masterThesisapplication/pdfhttps://hdl.handle.net/1843/58334enghttp://creativecommons.org/licenses/by-nc-sa/3.0/pt/info:eu-repo/semantics/openAccessJoão Pedro Klock Ferreirareponame:Repositório Institucional da UFMGinstname:Universidade Federal de Minas Gerais (UFMG)instacron:UFMG2025-09-09T18:52:01Zoai:repositorio.ufmg.br:1843/58334Repositório InstitucionalPUBhttps://repositorio.ufmg.br/oairepositorio@ufmg.bropendoar:2025-09-09T18:52:01Repositório Institucional da UFMG - Universidade Federal de Minas Gerais (UFMG)false
dc.title.none.fl_str_mv General unsupervised semantic segmentation pipeline
Pipeline generalista de segmentação semântica não supervisionada
title General unsupervised semantic segmentation pipeline
spellingShingle General unsupervised semantic segmentation pipeline
João Pedro Klock Ferreira
Engenharia elétrica
Redes Neurais (Computação)
Sensoriamento remoto
Semantic segmentation
Unsupervised
Weakly supervised
Remote sensing
Scribbles
title_short General unsupervised semantic segmentation pipeline
title_full General unsupervised semantic segmentation pipeline
title_fullStr General unsupervised semantic segmentation pipeline
title_full_unstemmed General unsupervised semantic segmentation pipeline
title_sort General unsupervised semantic segmentation pipeline
author João Pedro Klock Ferreira
author_facet João Pedro Klock Ferreira
author_role author
dc.contributor.author.fl_str_mv João Pedro Klock Ferreira
dc.subject.por.fl_str_mv Engenharia elétrica
Redes Neurais (Computação)
Sensoriamento remoto
Semantic segmentation
Unsupervised
Weakly supervised
Remote sensing
Scribbles
topic Engenharia elétrica
Redes Neurais (Computação)
Sensoriamento remoto
Semantic segmentation
Unsupervised
Weakly supervised
Remote sensing
Scribbles
description Neste trabalho apresentamos um pipeline de segmentação semântica não supervisionada baseado em Redes Neurais Convolucionais (CNNs), com foco em imagens de sensoriamento remoto. Nosso pipeline aprimora os artigos que representam o atual estado-da-arte na literatura, resultando em uma metodologia versátil que pode receber entradas supervisionadas, não supervisionadas e fracamente supervisionadas. Também propomos uma metodologia de geração automática de scribbles que é capaz de rotular semi-automaticamente grandes conjuntos de dados com supervisão mínima. Para acompanhar esta metodologia também propomos um classificador de scribbles e uma ferramenta de rotulagem de scribbles. E, finalmente, propomos duas aplicações do mundo real onde testamos as capacidades de nossa rede proposta. Os resultados em datasets de benchmarking mostram que nossa rede proposta pode ser competitiva com o estado da arte atual para métodos baseados em CNN, o gerador de scribble é capaz de fornecer scribbles significativos e relevantes para grandes conjuntos de dados, e nossas aplicações mostram uma variedade de possibilidades de uso para nossos rede.
publishDate 2023
dc.date.none.fl_str_mv 2023-08-29T18:54:00Z
2023-08-29T18:54:00Z
2023-05-12
2025-09-08T23:19:13Z
dc.type.status.fl_str_mv info:eu-repo/semantics/publishedVersion
dc.type.driver.fl_str_mv info:eu-repo/semantics/masterThesis
format masterThesis
status_str publishedVersion
dc.identifier.uri.fl_str_mv https://hdl.handle.net/1843/58334
url https://hdl.handle.net/1843/58334
dc.language.iso.fl_str_mv eng
language eng
dc.rights.driver.fl_str_mv http://creativecommons.org/licenses/by-nc-sa/3.0/pt/
info:eu-repo/semantics/openAccess
rights_invalid_str_mv http://creativecommons.org/licenses/by-nc-sa/3.0/pt/
eu_rights_str_mv openAccess
dc.format.none.fl_str_mv application/pdf
dc.publisher.none.fl_str_mv Universidade Federal de Minas Gerais
publisher.none.fl_str_mv Universidade Federal de Minas Gerais
dc.source.none.fl_str_mv reponame:Repositório Institucional da UFMG
instname:Universidade Federal de Minas Gerais (UFMG)
instacron:UFMG
instname_str Universidade Federal de Minas Gerais (UFMG)
instacron_str UFMG
institution UFMG
reponame_str Repositório Institucional da UFMG
collection Repositório Institucional da UFMG
repository.name.fl_str_mv Repositório Institucional da UFMG - Universidade Federal de Minas Gerais (UFMG)
repository.mail.fl_str_mv repositorio@ufmg.br
_version_ 1856413918997512192

Registros relacionados