dc.contributor.advisor |
Werhli, Adriano Velasque |
|
dc.contributor.author |
Barbat, Mauro Medeiros |
|
dc.date.accessioned |
2020-04-17T18:53:39Z |
|
dc.date.available |
2020-04-17T18:53:39Z |
|
dc.date.issued |
2016 |
|
dc.identifier.citation |
BARBAT, Mauro Medeiros. Classificação de sedimentos superficiais de leitos oceânicos e águas continentais: uma abordagem baseada em super segmentação e sabedoria das massas. 2016. 134 f. Dissertação (Mestrado em Engenharia da Computação) – Centro de Ciências Computacionais, Universidade Federal do Rio Grande, Rio Grande, 2016. |
pt_BR |
dc.identifier.uri |
http://repositorio.furg.br/handle/1/8626 |
|
dc.description.abstract |
Observando o problema de classificar o substrato marinho, existem diversificadas técnicas que em grande parte consistem em metodologias tradicionais que demandam a necessidade de especialistas e/ou aquisição física de amostras para efetuar a classificação em laboratório, consumindo grande quantidade de recursos humanos e financeiros. No entanto, técnicas para classificação remota são capazes de proporcionar não apenas ganhos em relação a tempo e recursos mas também, são capazes de operar sobre grandes volumes de dados de maneira eficiente e eficaz, processo o qual poderia requerer um tempo considerável de trabalho. Neste intuito, este trabalho propõe o desenvolvimento de uma metodologia/ferramenta computacional focada no contexto de classificação de sedimentos superficiais de leitos oceânicos e de águas continentais, utilizando sonografias de sonares de varredura lateral (Side Scan Sonar) que consistem em imagens digitais de alta resolução. |
pt_BR |
dc.description.abstract |
Observing the problem of marine bottom classification, there are various techniques that largely consist of traditional methods that require the knowledge of experts and / or ground proof of samples to their classification in the laboratory, consuming large amounts of human and financial resources. However, techniques for remote classification are not only able to provide gains of time and resources, but also are able to operate on large volumes of data efficiently and effectively process which would require a considerable amount of work. Therefore, so far this dissertation proposes the development of a computational methodology/tool focused on the context of surface sediment classification of ocean floors and continental waters, using as a basis the use of side scan sonar that consist of high-resolution digital images. |
pt_BR |
dc.language.iso |
por |
pt_BR |
dc.rights |
open access |
pt_BR |
dc.subject |
Aprendizado de máquina |
pt_BR |
dc.subject |
Classificação de sedimentos |
pt_BR |
dc.subject |
Visão computacional |
pt_BR |
dc.subject |
Sonar de varredura lateral |
pt_BR |
dc.subject |
Sabedoria das massas |
pt_BR |
dc.subject |
Machine learning |
pt_BR |
dc.subject |
Sediments classification |
pt_BR |
dc.subject |
Computer vision |
pt_BR |
dc.subject |
Side scan sonar |
pt_BR |
dc.subject |
Wisdom of crowds |
pt_BR |
dc.title |
Classificação de sedimentos superficiais de leitos oceânicos e águas continentais: uma abordagem baseada em super segmentação e sabedoria das massas |
pt_BR |
dc.type |
masterThesis |
pt_BR |