logotipo ence

 

CPNU.
Balanço 2024.
/Inscreva-se.
/Processo Seletivo 2025.
ENCEemFOCO_03.
/SIDRA.
/Ressarcimento.
Plano de Trabalho 2024.
Catalogo de Projetos 2023
Conceito_5_CAPES
SAS
01/11 
start stop bwd fwd

 
 
  

Vídeo Institucional
 
 
 
ungp brazil hub logo md
 
 
 
ico rbe.fw
 
 
 
banner com qrcode completo

Apresentação de Monografia da Graduação de Jedielso Sales de Souza

ESCOLA NACIONAL DE CIÊNCIAS ESTATÍSTICAS

Graduação em Estatística

Apresentação de Monografia

A Escola Nacional de Ciências Estatísticas convida para a defesa de Monografia da Graduação intitulada: “IDENTIFICAÇÃO DE FAVELAS E COMUNIDADES URBANAS NA CIDADE DO RIO DE JANEIRO EM IMAGENS DE SATÉLITE UTILIZANDO DEEP LEARNING”

Aluno: Jedielso Sales de Souza

Orientadora: Andrea Diniz da Silva (ENCE/IBGE)

Coorientador: Ian Monteiro Nunes (DPE/COAGRO/IBGE)

Data: 26 de junho de 2024 – Quarta-feira

Horário: 13h30m

Local: Rua André Cavalcanti, 106, sala 306 (auditório)  ENCE

Resumo: Com o crescimento populacional urbano acelerado, as áreas de favelas e comunidades urbanas expandem-se no mesmo ritmo ou até mais rapidamente. A correta identificação e monitoramento em tempo real da dinâmica populacional dessas áreas tornam-se imprescindíveis para garantir políticas públicas adequadas para essa população e, consequentemente, melhores condições de vida. Tradicionalmente os estudos para os níveis geográficos mais desagregados, como favelas, se fazem com base em dados de censos demográficos, porém, na medida em que se afastam da data de referência, esses dados deixam de representar bem a realidade dessas áreas. Este estudo propõe uma alternativa aos dados censitários a partir da implementação do algoritmo de aprendizado profundo U-Net para a identificação de favelas e comunidades urbanas na cidade do Rio de Janeiro. Os resultados revelaram uma média de IoU de 0,7131 e F1-Score de 0,6603, indicando um desempenho promissor do modelo U-Net na identificação de favelas e comunidades urbanas em imagens de satélite nas quatro Áreas de Planejamento analisadas até o momento.

Palavras-chave: Favelas; Comunidades Urbanas; Deep Learning; Segmentação Semântica; U-Net; Imagem de Satélite.

Banca examinadora:
Andrea Diniz da Silva (ENCE/IBGE) – Orientadora
Ian Monteiro Nunes (DPE/COAGRO/IBGE) – Coorientador
José André de Moura Brito (ENCE/IBGE)

Coordenação de Graduação

Renata Pacheco Nogueira Duarte

Endereço: Rua André Cavalcanti, 106 - Bairro de Fátima - CEP 20231-050 - Rio de Janeiro