ANÁLISE DA ARQUITETURA U-NET PARA ATUALIZAÇÃO CADASTRAL
Palavras-chave:
Deep learning, Atualização cadastral, U-netResumo
O desenvolvimento no campo de aprendizado de máquina tem produzido algoritmos de aprendizado profundo – deep learning – capazes de detectar e segmentar objetos e pixels em diferentes contextos. Inspirado no comportamento do neurônio humano, a evolução com o uso de redes neurais artificiais vem proporcionando uma revolução na capacidade de reconhecimento, classificação e agrupamento de dados, aprendendo e melhorando constantemente. Dessa forma, o uso de redes neurais em softwares utilizados em Sistemas de Informações Geográficas (SIG) traz ao usuário comum a possibilidade de aumentar e melhorar modelos de detecção em produtos cartográficos, inclusive com alto nível de detalhes como os urbanos. As necessidades de atualizações constantes em sistemas cadastrais demandam meios eficientes de obtenção de diversos tipos de dados, principalmente para promover a multifinalidade do cadastro e criar sistemas cadastrais completos que se mantenham atualizados para a gestão pública. Neste trabalho, foi empregada a rede neural U-Net para detecção pixel a pixel de edificações em área de expansão urbana do município de Parauapebas/PA, de forma a avaliar as potencialidades da aprendizagem de máquina para atualização cadastral. Os resultados demonstraram que a técnica é capaz de oferecer apoio ao monitoramento periódico da expansão urbana, estimação e definição de áreas para atualização cadastral, delimitação média das áreas das edificações para suporte a futuras atualizações e como base para gestores para a precificação do levantamento cadastral.
