10. Data Augmentation para Sensoriamento Remoto

Uma estratégia que tem sido adotada por muitos trabalhos recentes na área de Deep Learning com imagens, é o aumento de dados (data augmentation). Em geral, uma amostra é obtida com recortes de tamanho reduzido (por exemplo 100 x 100 pixels) das regiões da imagem contendo a classe de interesse. Para aumentar a quantidade de amostras sem gerar novas amostras, são aplicadas técnicas como rotação da amostra (90°, ou 180°), aplicação de diferentes ruídos ou filtros, entre outras.

Dada uma imagem contendo pontos centrais de cada amostra, e o tamanho do recorte desejado, o sistema deve gerar amostras originais e um conjunto adicional obtido por data augmentation. Proponha pelo menos 5 diferentes técnicas, sendo uma delas relacionada com características encontradas em sensoriamento remoto (presença de nuvens, sombra de nuvens, ou diferentes resoluções espaciais).

Nota

1. Os produtos de código desenvolvidos deverão ser licenciados de acordo com os modelos de software livre MIT, e disponibilizados em um ou mais repositórios na organização prog-geoespacial.

2. Os pacotes deverão conter documentação de uso.

3. Utilize o template de pacotes Python do Brazil Data Cube.

4. Os produtos de dados de exemplo deverão ser disponibilizados de acordo com o modelo Creative Commons.

5. Produzir um relatório no formato do evento GEOINFO.