@MASTERSTHESIS{ 2022:2061665670,
 	title = {Segmentação semântica de áreas de plantações agrícolas via U-Net em dois estágios},
 	year = {2022},
 	url = "https://tedebc.ufma.br/jspui/handle/tede/tede/3955",
 	abstract = "O imposto do agronegócio incide principalmente sobre a produção das safras agrícolas. Para
 reduzir a evasão fiscal no agronegócio, é possível monitorar o desenvolvimento dos plantios
 por meio da análise de imagens de satélite. Para isso, técnicas de Deep Learning podem ser
 aplicadas em imagens de satélite para segmentar a área plantada. A área segmentada, por
 sua vez, pode ser usada para estimar a produção dos estabelecimentos rurais monitorados.
 Este trabalho visa resolver a primeira etapa do problema, a segmentação da área plantada.
 Para isso, foi desenvolvida uma arquitetura de Rede Neural Convolucional para segmentação
 de áreas de plantação, a Two-stage U-net. Além disso, o trabalho também incluiu a criação
 de conjunto de dados de imagens de satélite com anotações de áreas de plantação. A
 arquitetura proposta foi treinada e seus hiperparâmetros foram ajustados considerando a
 rede Encoder, o Otimizador, a Função de Perda e o tamanho do Lote de imagens (batch
 size). Os resultados em mIoU da Two-stage U-net se mostraram superiores aos resultados
 de outras arquiteturas utilizadas em trabalhos semelhantes.",
 	publisher = {Universidade Federal do Maranhão},
 	scholl = {PROGRAMA DE PÓS-GRADUAÇÃO EM CIÊNCIA DA COMPUTAÇÃO/CCET},
 	note = {DEPARTAMENTO DE INFORMÁTICA/CCET}
}