Detecção e segmentação de edificações utilizando a arquitetura Mask R-CNN na confecção de mapas de uso e cobertura do solo

Abstract

Acompanhando o crescimento populacional e o desenvolvimento humano as dinâmicas da relação entre o homem e seu meio se tornam cada vez mais complexas, exigindo técnicas e metodologias capazes de reproduzir a realidade fiel e eficientemente. Mapas de Uso e Cobertura do Solo são importantes recursos para instrumentos de manutenção do espaço físico, não só sobre a perspectiva ambiental, mas também de forma pública e social, englobando desde o saneamento básico à vulnerabilidade ambiental por meio de pesquisas, políticas públicas e levantamentos técnicos. O Sensoriamento Remoto, campo no qual se aborda tal assunto, conta com a evolução de sensores de imageamento, dispositivos de localização, transmissores de longo alcance entre outros instrumentos, assim como a rápida escalada do poder de processamento de computadores, permitindo a integração e desenvolvimento de novas tecnologias, as quais também permeiam outros campos do conhecimento como o da Visão Computacional. O campo da Visão Computacional se dedica a estruturação de sistemas visuais artificiais capazes de interpretar e compor entendimentos complexos a respeito do mundo real, demonstrando resultados promissores principalmente devido à área do Aprendizado de Máquina. Intrinsecamente relacionados, os campos da Visão Computacional e Aprendizado de Máquina vêm ganhando bastante atenção devido ao sucesso relativamente recente em tarefas complexas, como a detecção de objetos em imagens, tarefa a qual a arquitetura Mask R-CNN demonstra resultados promissores. Portanto, buscando o refinamento da confecção de Mapas de Uso e Cobertura do Solo, este trabalho busca o desenvolvimento de um modelo de arquitetura Mask R-CNN para a detecção de edificações em imagens, por fim integrando-o com um ambiente computacional de Sistemas de Informação Geográfica.