ed613dc3021760653631a126d50c57915eb4a131
Classificação de Imagens RGB com SVM — CEAO-802
Repositório do trabalho de classificação supervisionada de imagens de sensoriamento remoto RGB usando Transfer Learning (MobileNetV2) como extrator de atributos e SVM como classificador. Dados de Guaratinguetá (SP), 13 classes de cobertura do solo.
Estrutura
DADOS CEAO 2026/
├── docs/ # Documentação técnica do projeto
│ ├── about.md # Descrição, fluxo de trabalho e limitações
│ ├── authors.md # Autoria e colaboradores
│ └── changelog.md # Histórico de versões
│
├── trabalho/ # Análise principal
│ ├── RGB/ # Imagens brutas (gitignored — obter separadamente)
│ ├── amostra/ # Versão parcial: 50 imagens/classe (650 total)
│ │ ├── trabalho_svm_rgb.qmd # Código da análise (Quarto/R)
│ │ ├── outputs_parcial/ # CSVs de resultados e cache .rds
│ │ └── apresentacao/ # Material de apresentação
│ │ ├── apresentacao_svm_rgb.qmd
│ │ ├── SVM GUARA 802.pdf
│ │ └── SVM GUARA - 802.pptx
│ └── completo/ # Versão completa: todas as imagens disponíveis
│ ├── trabalho_svm_rgb_completo.qmd
│ └── outputs_completo/ # CSVs de resultados e cache .rds
│
└── artigo/ # Artigo científico
├── artigo_svm_rgb.tex
├── Referencias.bib
├── Referencias_SVM.bib
├── Classificação_de_Imagens_...pdf # PDF final
└── artigos-referencia/ # Referências bibliográficas em PDF
├── galoa-proceedings--sbsr-2023--156515.pdf
└── datasets_2026.pdf
Dados brutos
A pasta trabalho/RGB/ não é versionada (imagens .tiff, ~GB). Deve permanecer localmente como dado de entrada. Solicitar acesso aos dados originais aos autores.
As imagens foram cedidas pelo Ten Cel Habermann.
Reprodução dos resultados
- Clonar o repositório
- Obter e posicionar as imagens em
trabalho/RGB/ - Abrir
trabalho/amostra/trabalho_svm_rgb.qmdno RStudio e renderizar - Os outputs são salvos automaticamente em
outputs_parcial/
Autores
1T Generoso · 1T João Marcos · 1T Vitor Cesa — CEAO-802, Métodos de Análise de Dados
Description
Análises, resultados e documentação de classificação de imagens RGB com SVM no contexto dos dados CEAO 2026.
Languages
HTML
71.8%
JavaScript
22.4%
TeX
5.1%
CSS
0.7%