Seminário - Deep Learning e Problemas de Classificação em Observação da Terra, Dr. Thales Sehn Körting (INPE) =================================================================================================================== .. |br| raw:: html
No dia 14 de Julho de 2021 aconteceu a quarta palestra da disciplina OBT com o palestrante Dr. Thales Sehn Körting (INPE) com o tema: “Deep Learning e Problemas de Classificação em Observação da Terra”. Os slides da apresentação assim como os links podem ser visualizados e baixados em: (https://inpe-cap-378.netlify.app/_static/2021/thales/image-processing-and-analysis.pdf) .. raw:: html

Melhores momentos: ------------------- **Aplicações em sensoriamento remoto** .. raw:: html

**O neuronio artificial** .. raw:: html

**Como o algoritmo CNN funciona** .. raw:: html

**Simulação gráfica do KNN com diferentes distâncias** .. raw:: html

**Vídeo Completo da Palestra** Apresentação completa em: .. raw:: html

A turma e o palestrante: ------------------------ .. raw:: html

|br| Comentários dos alunos: ----------------------- .. **Fulano**: Suspendisse orci mauris, viverra et faucibus nec, elementum sed mi. Vivamus viverra ipsum a tellus lacinia, vitae blandit nisi eleifend. Morbi facilisis condimentum tincidunt. Suspendisse dapibus nisl vitae dapibus aliquet. Vivamus vulputate hendrerit scelerisque. Nunc commodo nibh ut condimentum consequat. .. **Ciclano**: Suspendisse orci mauris, viverra et faucibus nec, elementum sed mi. Vivamus viverra ipsum a tellus lacinia, vitae blandit nisi eleifend. Morbi facilisis condimentum tincidunt. Suspendisse dapibus nisl vitae dapibus aliquet. Vivamus vulputate hendrerit scelerisque. Nunc commodo nibh ut condimentum consequat. **Baggio**: “O professor Dr. Thales Körking fez uma pequena introdução de processamento de imagens aplicado ao sensoriamento remoto falando de conceitos básicos de imagens, manipulação de histograma e conceitos de segmentação, após essa introdução foi passada uma visão de como funciona alguns dos algoritmos de classificação para imagens de sensoriamento, de forma totalmente didática usando elementos visuais e simulações para um melhor entendimento.” **Marcelly**: “O seminário com o tema “Deep Learning e Problemas de Classificação em Observação da Terra”, ministrado pelo Professor Thales, abrangeu diversos temas interessantes como, por exemplo, técnicas de visualização de imagens, estratégia de segmentação de imagens, uso de séries temporais para detecção de distúrbios e as técnicas Convolutional neural network (CNN) e K-neighbors (KNN). Por meio da apresentação foi possível entender um pouco mais sobre análises e classificações em problemas que envolvem as áreas de sensoriamento remoto e observação da terra. Eu achei muito interessante a discussão sobre a estrutura de um sistema típico (input, model, output) e como as métricas de avaliação (acurácia, precisão) dependem de um modelo de aprendizado para classificação de novas instâncias e do conhecimento do especialista para selecionar bons atributos. Por fim, os princípios das Redes CNN e do modelo KNN foram explicados usando recursos visuais, achei que esta forma de apresentação favoreceu o entendimento e a compreensão.” **Abner Anjos**: “A classificação de imagens de sensoriamento remoto envolve uma série de processos como a análise de histograma, aplicação de filtros, correção de cor, cálculo de índices e bandas espectrais, geração de segmentação e mais. Neste seminário sob o nome de “Deep Learning e Problemas de Classificação em Observação da Terra” foi apresentado os conceitos básicos para o processamento de imagens e os conceitos específicos para a classificação de tais imagens, dentro deste contexto foi explorado alguns métodos de classificação como o “k-nearest neighbors algorithm” que avalia as características das imagens, tratadas como matrizes, com base na lei da vizinhança indicando que um certo pixel deve ser similar ao seu vizinho próximo. Logo, a apresentação procurava apresentar aos alunos de mestrado e doutorado a questão da aplicação de algoritmos de aprendizado profundo, as vantagens e desvantagens, na classificação de imagens de sensoriamento remoto.” **Cátia**: “O palestrante Dr. Thales Körking mostrou de uma maneira prática diversos conceitos de Classificação de Imagens e Processamento de Imagens. Ele começou mostrando como podemos criar algoritmos para lidar com imagens, como trabalhar com matrizes de RGB que representam essas imagens. Em seguida, ele mostrou algumas técnicas de melhoria de imagens, assim como segmentação de imagens. Também foi apresentado como podem ser feitas classificações de imagens através de "features" que as caracterizam. O prof. também mostrou técnicas de aprendizado supervisionado e como os algoritmos conseguem identificar e classificar elementos numa imagem. Ele salientou sobre a importância do conhecimento e experiência do especialista que faz o treinamento do modelo para os resultados. Dr. Körking também mostrou aplicações em séries temporais e como devemos estar atentos às características como frequência dessas séries para as avaliações. Por fim, ele mostrou na prática exemplos de aplicações dos algoritmos KNN e CNN, muito interessante!” **Matheus Elis**: “No dia 14 de julho de 2021 foi apresentado pelo Dr. Thales Körking o seminário intitulado de “Deep Learning e Problemas de Classificação em Observação da Terra”, na qual ele abordou técnicas utilizadas para o processamento de imagens de satélites. Esse processamento utilizado usa técnicas de Deep Learning para a classificação de elementos das imagens a partir de algumas amostras bases para a classificação das demais. Por fim ele mostrou alguns exemplos de classificações como essa e situações nas quais essas técnicas são úteis" **Gabriel**: “O Dr. Thales apresentou um seminário bastante detalhado e rico em informações referentes a classificação de dados de observação da terra, além de nos mostrar os principais métodos de Deep Learning que são amplamente usados para classificação e como estes métodos funcionam matematicamente. Infelizmente por falta de tempo não foi possível finalizar todo o conteúdo feito pelo professor, mas mesmo assim foi possível absorver bastante conhecimento. Uma ótima apresentação!” **Sabrina**: “O seminário apresentado pelo Dr. Thales Körking de “Deep Learning e Problemas de Classificação em Observação da Terra” é de uma temática muito relevante para os dias atuais e é muito usada entre os estudos no INPE, os conceitos de classificação e processamento de imagens, o que são técnicas de aprendizado de máquina foram bem explicados e muito didáticos, inclusive os conceitos matemáticos envolvidos. Os exemplos das técnicas de Deep Learning que ele pode apresentar foram muito interessantes, e nos leva a querer se aprofundar mais no assunto” **Luiz Gustavo**: “O palestrante, Prof. Dr. Thales Sehn Körting, apresentou domínio sobre o assunto abordado no seminário. Foi, basicamente, uma excelente aula sobre como são realizadas parte das classificações de imagens georreferenciadas a partir de técnicas de classificação. Foi extremamente interessante a facilidade com que abordou e explicou as técnicas K-Nearest Neighbours (KNN) e Convolutional Neural Networks (CNN), como são aplicadas e alguns resultados práticos, obtidos com a sua aplicação. Além disso, ele enfatizou o impacto nos modelos de aprendizado de acordo com a experiência do responsável por seu treinamento, mostrando que até mesmo as técnicas de classificação mais avançadas estão sujeitas a obterem péssimos resultados caso o responsável não saiba como executar corretamente o treinamento.” **Rogerio**: “O Prof. Dr. Thales deu uma aula excelente sobre técnicas de classificação e processamento de imagens. Me interessei bastante pela parte em que o professor apresentou o processo de fusão de imagens para realçar as imagens de satélite. O professor apresentou técnicas de redes neurais e deep learning como a K-Nearest Neighbours (KNN) e Convolutional Neural Networks (CNN). Ele apresentou de forma simples porém muito clara, resultados reais de aplicação destas redes. O professor ressaltou também, que o resultado está totalmente condicionado ao conhecimento prévio do operador. Excelente apresentação! ”