This aim of this study is to evaluate the efficiency of two conventional classifiers and neural network MLP for land use mapping from a Vant image. Four classes were defined on the image for automatic classification: eucalyptus, pasture, weed competition and exposed soil. The algorithm used in the artificial neural network simulator “NeuroDic® 2.0” was the resilient-propagation. For conventional classifiers MAXVER and ISODATA the software Erdas Imagine®11 was employed. The results show that the best classification was obtained by the algorithm MAXVER and worse performance with algorithm ISODATA, according to the Kappa index. Finally, it can be concluded that the neural network has proved to be an efficient paradigm for image classification.Este estudo teve por objetivo avaliar a eficiência de dois classificadores convencionais e uma rede neural MLP para o mapeamento do uso da terra a partir de uma imagem VANT. Foram definidas quatro classes na imagem para a classificação automática: eucalipto, pastagem, matocompetição e solo exposto. O algoritmo utilizado no simulador de redes neurais artificiais NeuroDic® 2.0 foi o resilient-propagation. Para aplicação dos classificadores convencionais MAXVER e ISODATA foi utilizado o software Erdas Imagine®11. A melhor classificação foi obtida pelo algoritmo MAXVER e o pior desempenho, com o algoritmo ISODATA. Ao final, pode-se concluir que a rede neural mostrou ser um paradigma eficiente para a classificação de imagens.