Ainda ouço muito a pergunta: “mas ter GPU realmente importa no trabalho com Geoprocessamento?”
Claro que a resposta principal sempre é: “seu software/algoritmo irá utilizar este poder das ‘placas gráficas’?”
Se sim, acredito que os números desta imagem do post, incluindo o equipamento utilizado, deixam claro, mesmo para ambientes críticos – como no setor público e Universidades, onde ainda acham que GPU é para cursos de jogos digitais ou “eu não tenho, por que você precisa?” – que o ganho de perfomance é indiscutível, além de horas de trabalho e reflexão ganhos.
De quebrar, você fica atualizado para, em breve, utilizar o melhor SIG existente: GTA! 🙂
SOBRE O TESTE
Este modelo tem uma precisão geral de 84%, a partir do processamento de imagens Sentinel-2, nível 2A. Clique aqui para mais informações e detalhamento da acurácia por classes.
Para a classificação das classes de uso do solo, foi utilizado como suporte matemático para o Deep Learning a arquitetura U-Net, uma rede neural convolucional.
Imagem Sentinel-2, com resolução espacial de 10 metros e data de coleta 01º de novembro de 2023
As classes temáticas (usos) utilizam o Modelo CORINE Land Cover (CLC) 2018, por meio do modelo corine_landcover.dlpk pré-treinado
This website uses cookies so that we can provide you with the best user experience possible. Cookie information is stored in your browser and performs functions such as recognising you when you return to our website and helping our team to understand which sections of the website you find most interesting and useful.
Strictly Necessary Cookies
Strictly Necessary Cookie should be enabled at all times so that we can save your preferences for cookie settings.
If you disable this cookie, we will not be able to save your preferences. This means that every time you visit this website you will need to enable or disable cookies again.