> For the complete documentation index, see [llms.txt](https://docs.earthindex.ai/llms.txt). Markdown versions of documentation pages are available by appending `.md` to page URLs; this page is available as [Markdown](https://docs.earthindex.ai/pt/melhore-os-seus-resultados/how-search-works.md).

# Como o Earth Index encontra correspondências

Como o Earth Index transforma imagens de satélite em números e encontra mosaicos semelhantes aos seus exemplos.

O Earth Index não procura objetos pelo nome. Procura tiles do mapa cujas imagens se assemelham aos tiles que rotulou. Saber como mede essa «semelhança» ajuda a escolher melhores rótulos.

## Em poucas palavras

* O mapa é dividido em quadrados de 320 m chamados tiles. Um modelo pré-treinado descreve cada tile com uma lista de 384 números, chamada embedding.
* Tiles semelhantes têm números semelhantes. Uma pesquisa encontra os tiles cujos números estão mais próximos dos dos seus exemplos.
* O modelo é fixo. Os seus rótulos são a única parte que pode controlar, por isso são eles que determinam o resultado.

![Os tiles são convertidos em listas de números, e a pesquisa encontra os tiles mais próximos dos seus exemplos.](https://1964083825-files.gitbook.io/~/files/v0/b/gitbook-x-prod.appspot.com/o/spaces%2FIQB2eToY1Iv2IH6cERjn%2Fuploads%2Fgit-blob-1ae36879ae234b9602158f5d8aab317e19d01f96%2Fhow-search-works.svg?alt=media)

## Os tiles são convertidos em números

O Earth Index divide a sua área de interesse em tiles de 320 m por 320 m. Para cada tile, um modelo treinado com uma grande coleção de imagens de satélite analisa a imagem e gera uma lista de 384 números. Essa lista é o embedding do tile.

Nunca vê estes números. São importantes por causa de uma propriedade: dois tiles que, para o modelo, sejam semelhantes têm listas de números próximas. Um tile de floresta fica próximo de outros tiles de floresta, e uma pista de aterragem fica próxima de outras pistas de aterragem.

## Pesquisar significa encontrar tiles próximos

Quando rotula um tile como positivo, escolhe um ponto neste espaço numérico. O Earth Index procura então os tiles mais próximos dos seus exemplos e devolve-os como previsões.

O modelo nunca aprende o nome do que procura. Só sabe quais os tiles próximos dos seus exemplos. Se os seus exemplos forem semelhantes, os resultados serão mais concentrados. Se forem variados, os resultados ficarão dispersos.

## Porque é que os seus rótulos determinam o resultado

As imagens, o modelo e a grelha de tiles são iguais para todos os utilizadores. O que distingue uma boa pesquisa de uma má é o conjunto de rótulos que fornece.

* **Rótulos positivos** indicam à pesquisa o que deve encontrar.
* **Rótulos negativos** indicam o que deve evitar. Consulte [Porque é que os negativos são importantes](https://docs.earthindex.ai/pt/melhore-os-seus-resultados/why-negatives-matter.md).
* **Exemplos variados** abrangem as diferentes formas como o que procura pode aparecer. Consulte [Escolher bons exemplos](https://docs.earthindex.ai/pt/melhore-os-seus-resultados/choose-good-examples.md).

{% hint style="success" %}
**O que fazer**

Considere cada rótulo como um ponto num mapa de aparências, não como um alfinete num local. Escolha tiles que mostrem a variedade de aparências que procura e acrescente, como negativos, elementos semelhantes que não pretende encontrar.
{% endhint %}

<details>

<summary>Aprofundar</summary>

O modelo é o SSL4EO-S12, um vision transformer (ViT-S/16) pré-treinado com imagens Sentinel-2 sem rótulos humanos (aprendizagem auto-supervisionada). Analisa as 12 bandas espectrais das imagens Sentinel-2 Level-2A e gera um embedding de 384 números para cada tile. O Earth Index mede a proximidade entre dois embeddings usando a distância do cosseno.

* [Artigo sobre o SSL4EO-S12](https://arxiv.org/abs/2211.07044)
* [Código e modelos do SSL4EO-S12](https://github.com/zhu-xlab/SSL4EO-S12)

</details>

## Relacionados

* [O que o satélite vê](https://docs.earthindex.ai/pt/melhore-os-seus-resultados/beyond-true-color.md)
* [Escolher bons exemplos](https://docs.earthindex.ai/pt/melhore-os-seus-resultados/choose-good-examples.md)
* [Glossário](https://docs.earthindex.ai/pt/referencia/glossary.md)
