Carregar apresentação
A apresentação está carregando. Por favor, espere
1
UMA ABORDAGEM HÍBRIDA PARA CLASSIFICAÇÃO DE IMAGENS DE SENSORIAMENTO REMOTO
Aluno: Sandro Luiz Jailson Lopes Tinôco Orientador: David Menotti Gomes
2
Organização do Trabalho
Objetivo Imagens Hiperespectrais Abordagem Proposta KNN Kmeans Experimentos e Resultados Conclusão
3
Introdução Objetivo: Diminuir o conjunto de treinamento do KNN e reduzir o tempo de execução do algoritmo, mantendo ou melhorando a precisão.
4
Imagens Hiperespectrais
5
Abordagem Proposta Passo 1: Separar os pixels rotulados em conjuntos.
Cada conjunto representando uma classe.
6
Abordagem Proposta
7
Abordagem Proposta Passo 2:
Fazer a classificação não supervisionada de cada conjunto com um algoritmo de clusterização, como o Kmeans.
8
Abordagem Proposta
9
Abordagem Proposta Passo 3
Criar novos conjuntos de treinamento formados pelos centros encontrados
10
Abordagem Proposta
11
Abordagem Proposta Passo 4
Fazer a classificação com um algoritmo de classificação supervisionada, como o KNN, utilizando os novos conjuntos de treinamento.
12
Abordagem Proposta
13
Balanceamento das Classes
K = quantidade de clusters C = quantidade de classes Q = quantidade de elementos de cada classe M = mediana{Q1, Q2, ..., Qn}, com n = 1,2, ..., C, R = M/K NKn = Qn/R NK = quantidade de clusters para cada classe
14
Validação Cruzada
15
Experimentos Código Matlab Imagens dos sensores Aviris e Rosis
16
Aviris Rosis
17
Mapa temático: Aviris, 3-NN
18
Mapa temático: Aviris, 1-NN e 60 centros
19
Mapa temático: Rosis, 3-NN
20
Mapa temático: Rosis, 1-NN e 60 centros
21
Resultados: Precisão Geral
22
Resultados: Tempo de Execução
23
Análise A precisão da abordagem proposta está abaixo da precisão do KNN, em torno de 2% para imagens AVIRIS e 4% para imagens ROSIS. O tempo de execução da abordagem proposta chega a ser 10 vezes menor para imagens ROSIS e 2 vezes menor para imagens AVIRIS
24
Resultados: Precisão Média por Classe - Aviris
25
Resultados: Precisão Média por Classe - Rosis
26
Conclusão e Trabalhos Futuros
A abordagem se mostrou promissora, uma vez que diminui o tempo de execução do KNN. Pesquisar algoritmos de redução de dimensionalidade.
27
Obrigado! Perguntas?
Apresentações semelhantes
© 2024 SlidePlayer.com.br Inc.
All rights reserved.