Jean Dias

Mr. Jean Dias


Research Focus & Metrics

Academic Career Length

3Years (2024-Present)

(Calculated once Scilit publication data is synced: current year − year of first publication + 1)

Representative Publications

View All Publications
26 September 2024
Verified
Conference Paper
Open access
PDF file
LTLeonardo de O. Tamasauskas
Leonardo de O. Tamasauskas
JDJean Dias
Jean Dias
GABRIEL BRITO COSTAGABRIEL BRITO COSTA
GABRIEL BRITO COSTA
MSMarcos Seruffo
Marcos Seruffo
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.

20 July 2025
Verified
Conference Paper
Open access
PDF file
JDJean Dias
Jean Dias
WPWilliane G. S. Pereira
Williane G. S. Pereira
Waldemiro José Assis Gomes NegreirosWaldemiro José Assis Gomes Negreiros
Waldemiro José Assis Gomes Negreiros
PGPedro Henrique do Vale Guimarães
Pedro Henrique do Vale Guimarães
ACAlan B. S. Corrêa
Alan B. S. Corrêa
MSMarcos C. da R. Seruffo
Marcos C. da R. Seruffo
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.

1 January 2024 in Anais do Congresso Brasileiro Interdisciplinar em Ciência e Tecnologia
Verified
Conference Paper
Open access
PDF file
JDJean Dias
Jean Dias
LTLeonardo de Oliveira Tamasauskas
Leonardo de Oliveira Tamasauskas
ASAlbert Einstein Coutinho dos Santos
Albert Einstein Coutinho dos Santos
DSDanilo Souza
Danilo Souza
GCGabriel Brito Costa
Gabriel Brito Costa
MSMarcos César da Rocha Seruffo
Marcos César da Rocha Seruffo
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.