---
license: apache-2.0
language:
- pt
metrics:
- accuracy
- f1
- precision
- recall
pipeline_tag: image-classification
---

## Visão Geral
Este repositório hospeda um modelo de deep learning treinado no Dataset de Detecção de Inundações ETCI 2021. O objetivo deste modelo é detectar e segmentar com precisão áreas afetadas por inundações a partir de imagens de Radar de Abertura Sintética (SAR) capturadas pelo satélite Sentinel-1 da ESA.

## Contexto do Dataset
Este dataset contém dados do concurso de detecção de eventos de inundação, organizado pela Equipe de Implementação Interagências da NASA em colaboração com o Comitê Técnico de Informática em Ciências da Terra da IEEE GRSS, buscando desenvolver abordagens para delinear áreas de inundações como um esforço para identificar a extensão das inundações, um desastre impactante que ocorre frequentemente em todo o mundo.

## Descrição do Dataset
O Dataset de Detecção de Inundações ETCI 2021 é um conjunto de dados abrangente, projetado especificamente para tarefas de detecção e segmentação de inundações utilizando imagens SAR. O dataset consiste em pares de imagens de polarização VV (Transmissão Vertical, Recepção Vertical) e VH (Transmissão Vertical, Recepção Horizontal). Essas imagens foram processadas usando o Pipeline de Processamento Plugável Híbrido (hyp3) e são acompanhadas por máscaras binárias de verdade-terreno que indicam áreas de inundações e corpos d'água.

## Arquitetura do Serviço
O modelo treinado com base nesse dataset é usado para predição de áreas afetadas por inundações em imagens SAR, como descrito no contexto do dataset.

### Formato de Entrada:
O serviço esperaria receber pares de imagens de polarização VV e VH como entrada. Cada imagem seria representada em um formato adequado para processamento por redes neurais, como arrays NumPy ou tensores do PyTorch. As imagens poderiam ser carregadas como dados brutos ou através de URLs para as imagens armazenadas em um servidor.

### Formato de Saída:
O serviço retornaria máscaras binárias indicando áreas de inundações e corpos d'água. A saída seria uma representação das áreas afetadas por inundações detectadas pelo modelo. Essas máscaras binárias poderiam ser retornadas como arrays NumPy, imagens codificadas em bytes ou JSON, dependendo da preferência do usuário e da aplicação específica.