Pedro Henrique do Vale Guimarães

Mr. Pedro Henrique do Vale Guimarães

orcid

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
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.

21 July 2024
Verified
Conference Paper
Open access
PDF file
JDJean A. C. Dias
Jean A. C. Dias
LTLeonardo de O. Tamasauskas
Leonardo de O. Tamasauskas
PGPedro Henrique do Vale Guimarães
Pedro Henrique do Vale Guimarães
ACAlan B. S. Corrêa
Alan B. S. Corrêa
JNJoão D. C. D. Neto
João D. C. D. Neto
MSMarcos Seruffo
Marcos Seruffo
O monitoramento do fluxo de carbono na atmosfera tem grande importância na compreensão do comportamento dos ecossistemas, sendo descrito nas medições de Produção Primária Bruta (GPP) e Produção Primária Líquida (NPP). Por isso, este artigo busca aplicar inteligência artificial para melhorar os parâmetros do produto MOD17, a fim de aproximar as suas estimativas de GPP e NPP da Amazônia aos dados das Torres de Fluxo em Santarém, no Brasil, e Iquitos, no Peru. Comparações usando os novos parâmetros obtidos demonstraram uma redução na Raiz do Erro Quadrático Médio (RMSE) do GPP de até 9,72% e no Erro Médio Absoluto (MAE) para o NPP de até 37,8%, indicando estimativas mais estáveis e precisas.