Fusión de datos para segmentación semántica en aplicaciones urbanas de teledetección aérea usando algoritmos de aprendizaje profundo
Files
Date
2019-06-27
Authors
Journal Title
Journal ISSN
Volume Title
Publisher
Pontificia Universidad Católica del Perú
Abstract
La creciente urbanización requiere un mapeo y monitoreo preciso del sistema urbano
para planificar futuros desarrollos. La teledetección permite obtener información de la
superficie de la Tierra y a partir de esta comprender el proceso de urbanización. Esta
información hoy en dia puede ser obtenida en forma masiva utilizando vehículos aéreos
no tripulados. Esta información puede ser variada incluyendo imágenes ópticas rgb,
multiespectrales y modelos digitales de superficie, generandose la necesida de contar con
técnicas de fusión multisensorial eficientes y efectivas para explotarlas completamente.
La segmentación semántica en teledetección urbana permite la interpretación
automática de los datos y es útil en tareas como el mapeo de la cobertura terrestre y la
planificación urbana.
Actualmente, el aprendizaje profundo se ha vuelto de interés en Visión por
computador y Teledetección, existiendo diferentes estudios de la aplicación de variantes
de redes neuronales convolucionales (CNN) en segmentación semántica.
En el presente trabajo de tesis se investiga la utilización de métodos de fusión de
datos basado en algoritmos de aprendizaje profundo para la segmentación semántica en
aplicaciones urbanas de teledetección.
Description
Keywords
Teledetección, Aprendizaje automático (Inteligencia artificial), Algoritmos
Citation
Endorsement
Review
Supplemented By
Referenced By
Creative Commons license
Except where otherwised noted, this item's license is described as info:eu-repo/semantics/openAccess