Jean Arthur Costa Dias
Current Organizations / Institutes
The organizations/institutes from the scholar's latest article
Research Subjects
Jean Arthur Costa Dias has a total of 19 co-authors. Here are the top co-authors by number of shared publications:
Danilo Souza
CARBONEXT
2 shared publications- Gabriel Brito Costa
Research Group Interaction Biosphere-Atmosphere and Micrometeorology on Amazonia (IBAMA), Federal University of Western Pará (UFOPA), Santarém 68040-255, Brazil
2 shared publications - Alan B. S. Corrêa
UFPA
1 shared publication Albert Einstein Coutinho dos Santos
Universidade Federal do Pará -ITEC Belém Brasil
1 shared publication- Daniela Rocha
CARBONEXT
1 shared publication Danilo Valente
CARBONEXT
1 shared publication
Latest Publications
- Open Access
- 20 July 2025
- Published by Sociedade Brasileira de Computação
- p. 59-68
Cloud Segmentation in Multispectral Images from the Sentinel-2 Satellite: A Comparative Study of Deep Learning Approaches
To enhance the processing of multispectral images under adverse conditions, such as the presence of clouds, this study compared the neural networks U-Net, DeepLabV3+, and SegFormer using images from the Sentinel-2 satellite, evaluating their performance through metrics such as Intersection over Union (IoU) and Dice coefficient. The results indicate that SegFormer achieved the highest accuracy in cloud detection but with a longer inference time, while U-Net demonstrated a balance between accuracy and efficiency, and DeepLabV3+ stood out for its shorter processing time but lower performance. The study highlights the relevance of neural networks in remote sensing and indicates the need for model optimization.
- 20 July 2025
- Published by Sociedade Brasileira de Computação
- p. 59-68
Open AccessCloud Segmentation in Multispectral Images from the Sentinel-2 Satellite: A Comparative Study of Deep Learning Approaches
To enhance the processing of multispectral images under adverse conditions, such as the presence of clouds, this study compared the neural networks U-Net, DeepLabV3+, and SegFormer using images from the Sentinel-2 satellite, evaluating their performance through metrics such as Intersection over Union (IoU) and Dice coefficient. The results indicate that SegFormer achieved the highest accuracy in cloud detection but with a longer inference time, while U-Net demonstrated a balance between accuracy and efficiency, and DeepLabV3+ stood out for its shorter processing time but lower performance. The study highlights the relevance of neural networks in remote sensing and indicates the need for model optimization.
- Open Access
- 26 September 2024
- Published by Sociedade Brasileira de Computação
- p. 7-12
Aplicação e Otimização de Redes Neurais Convolucionais para Detecção de Desmatamento em Imagens de Satelite Sentinel-2
O monitoramento do desmatamento na Amazônia é um desafio complexo que exige o uso de tecnologias avançadas, como a análise de imagens de satélite e inteligência artificial (IA). Redes Neurais Convolucionais (CNNs) foram utilizadas para detectar áreas desmatadas em imagens do satélite Sentinel-2, com a arquitetura U-Net ajustada para segmentação de áreas florestais. Para superar a escassez de dados rotulados, o algoritmo Optuna foi empregado para otimizar o modelo, aprimorando seus parâmetros e, consequentemente, melhorando a acurácia dos resultados.
- 26 September 2024
- Published by Sociedade Brasileira de Computação
- p. 7-12
Open AccessAplicação e Otimização de Redes Neurais Convolucionais para Detecção de Desmatamento em Imagens de Satelite Sentinel-2
O monitoramento do desmatamento na Amazônia é um desafio complexo que exige o uso de tecnologias avançadas, como a análise de imagens de satélite e inteligência artificial (IA). Redes Neurais Convolucionais (CNNs) foram utilizadas para detectar áreas desmatadas em imagens do satélite Sentinel-2, com a arquitetura U-Net ajustada para segmentação de áreas florestais. Para superar a escassez de dados rotulados, o algoritmo Optuna foi empregado para otimizar o modelo, aprimorando seus parâmetros e, consequentemente, melhorando a acurácia dos resultados.
- Open Access
- 1 January 2024
- Published by Even3 in Anais do Congresso Brasileiro Interdisciplinar em Ciência e Tecnologia
- Vol. 5, 1
Aprimorando Estimativas Locais de Produtividade Primária Bruta por Satélite com o Uso de Inteligência Artificial
O monitoramento do fluxo de carbono na atmosfera é essencial para entender o comportamento dos ecossistemas e seu papel no ciclo de carbono, envolvendo medições da Produtividade Primária Bruta (GPP). Nesse sentido, este estudo aplicou o algoritmo Pattern Search para otimizar o MOD17 usando dados da AmeriFlux, melhorando a precisão das estimativas de GPP na Amazônia. A calibração reduziu erros, aprimorando a compreensão do ciclo de carbono.
- 1 January 2024
- Published by Even3 in Anais do Congresso Brasileiro Interdisciplinar em Ciência e Tecnologia
- Vol. 5, 1
Open AccessAprimorando Estimativas Locais de Produtividade Primária Bruta por Satélite com o Uso de Inteligência Artificial
O monitoramento do fluxo de carbono na atmosfera é essencial para entender o comportamento dos ecossistemas e seu papel no ciclo de carbono, envolvendo medições da Produtividade Primária Bruta (GPP). Nesse sentido, este estudo aplicou o algoritmo Pattern Search para otimizar o MOD17 usando dados da AmeriFlux, melhorando a precisão das estimativas de GPP na Amazônia. A calibração reduziu erros, aprimorando a compreensão do ciclo de carbono.