CACTU: Complemento de actualización urbana para la clasificación de imágenes de alta resolución mediante redes neuronales convolucionales.
Este complemento realiza el procesamiento de las imágenes mediante un aprendizaje supervisado con redes neuronales convolucionales, donde se lleva a cabo una fase previa de entrenamiento, tomando como base el 60% del total de las muestras debidamente etiquetadas en las clases definidas (Construido y...
- Autores:
- Tipo de recurso:
- Trabajo de grado de pregrado
- Fecha de publicación:
- 2022
- Institución:
- Universidad Distrital Francisco José de Caldas
- Repositorio:
- RIUD: repositorio U. Distrital
- Idioma:
- spa
- OAI Identifier:
- oai:repository.udistrital.edu.co:11349/30400
- Acceso en línea:
- http://hdl.handle.net/11349/30400
- Palabra clave:
- QGIS
Plugin
Catastro
Complemento
Redes neuronales convolucionales
Imágenes alta resolución
Especialización en Sistemas de Información Geográfica - Tesis y disertaciones académicas
Redes neurales (Computadores)
Desarrollo de programas para computador
Python (Lenguaje de programación de computadores)
Procesamiento de imágenes
Reconocimiento de suelos
QGIS
Plugin
Cadastre
Complement
Convolutional neural networks
High resolution images
- Rights
- License
- Atribución-NoComercial-CompartirIgual 4.0 Internacional
id |
UDISTRITA2_02287bf9ee2860150785b11d19616af7 |
---|---|
oai_identifier_str |
oai:repository.udistrital.edu.co:11349/30400 |
network_acronym_str |
UDISTRITA2 |
network_name_str |
RIUD: repositorio U. Distrital |
repository_id_str |
|
dc.title.spa.fl_str_mv |
CACTU: Complemento de actualización urbana para la clasificación de imágenes de alta resolución mediante redes neuronales convolucionales. |
dc.title.titleenglish.spa.fl_str_mv |
CACTU: Urban update plugin for high resolution image classification using convolutional neural networks. |
title |
CACTU: Complemento de actualización urbana para la clasificación de imágenes de alta resolución mediante redes neuronales convolucionales. |
spellingShingle |
CACTU: Complemento de actualización urbana para la clasificación de imágenes de alta resolución mediante redes neuronales convolucionales. QGIS Plugin Catastro Complemento Redes neuronales convolucionales Imágenes alta resolución Especialización en Sistemas de Información Geográfica - Tesis y disertaciones académicas Redes neurales (Computadores) Desarrollo de programas para computador Python (Lenguaje de programación de computadores) Procesamiento de imágenes Reconocimiento de suelos QGIS Plugin Cadastre Complement Convolutional neural networks High resolution images |
title_short |
CACTU: Complemento de actualización urbana para la clasificación de imágenes de alta resolución mediante redes neuronales convolucionales. |
title_full |
CACTU: Complemento de actualización urbana para la clasificación de imágenes de alta resolución mediante redes neuronales convolucionales. |
title_fullStr |
CACTU: Complemento de actualización urbana para la clasificación de imágenes de alta resolución mediante redes neuronales convolucionales. |
title_full_unstemmed |
CACTU: Complemento de actualización urbana para la clasificación de imágenes de alta resolución mediante redes neuronales convolucionales. |
title_sort |
CACTU: Complemento de actualización urbana para la clasificación de imágenes de alta resolución mediante redes neuronales convolucionales. |
dc.contributor.advisor.none.fl_str_mv |
ESPEJO VALERO, OSCAR JAVIER |
dc.subject.spa.fl_str_mv |
QGIS Plugin Catastro Complemento Redes neuronales convolucionales Imágenes alta resolución |
topic |
QGIS Plugin Catastro Complemento Redes neuronales convolucionales Imágenes alta resolución Especialización en Sistemas de Información Geográfica - Tesis y disertaciones académicas Redes neurales (Computadores) Desarrollo de programas para computador Python (Lenguaje de programación de computadores) Procesamiento de imágenes Reconocimiento de suelos QGIS Plugin Cadastre Complement Convolutional neural networks High resolution images |
dc.subject.lemb.spa.fl_str_mv |
Especialización en Sistemas de Información Geográfica - Tesis y disertaciones académicas Redes neurales (Computadores) Desarrollo de programas para computador Python (Lenguaje de programación de computadores) Procesamiento de imágenes Reconocimiento de suelos |
dc.subject.keyword.spa.fl_str_mv |
QGIS Plugin Cadastre Complement Convolutional neural networks High resolution images |
description |
Este complemento realiza el procesamiento de las imágenes mediante un aprendizaje supervisado con redes neuronales convolucionales, donde se lleva a cabo una fase previa de entrenamiento, tomando como base el 60% del total de las muestras debidamente etiquetadas en las clases definidas (Construido y no construido), para posteriormente comprobarlo con el 40% de las muestras restantes, generando una validación de correspondencia de la clase que predice, respecto a la clase etiquetada anteriormente. Posteriormente, con el modelo ya entrenado, se lleva a cabo la clasificación de una imagen de fecha posterior a la utilizada en el entrenamiento, prediciendo la probabilidad de si un pixel corresponde a una construcción o no. Finalmente, el complemento realiza una resta entre las dos clasificaciones, la de entrada y la predicha, generando así un ráster de probabilidad de cambio de cobertura. Una vez generado el insumo, el usuario estará en la capacidad de tomar decisiones acertadas frente al plan de trabajo, permitiendo establecer áreas y rutas óptimas para el levantamiento de información en campo, enfocando los recursos en las zonas donde se detectan cambios en la dinámica inmobiliaria. |
publishDate |
2022 |
dc.date.accessioned.none.fl_str_mv |
2022-11-04T19:55:14Z |
dc.date.available.none.fl_str_mv |
2022-11-04T19:55:14Z |
dc.date.created.none.fl_str_mv |
2022-08-22 |
dc.type.spa.fl_str_mv |
bachelorThesis |
dc.type.degree.spa.fl_str_mv |
Investigación-Innovación |
dc.type.driver.spa.fl_str_mv |
info:eu-repo/semantics/bachelorThesis |
dc.type.coar.spa.fl_str_mv |
http://purl.org/coar/resource_type/c_7a1f |
format |
http://purl.org/coar/resource_type/c_7a1f |
dc.identifier.uri.none.fl_str_mv |
http://hdl.handle.net/11349/30400 |
url |
http://hdl.handle.net/11349/30400 |
dc.language.iso.spa.fl_str_mv |
spa |
language |
spa |
dc.rights.*.fl_str_mv |
Atribución-NoComercial-CompartirIgual 4.0 Internacional |
dc.rights.coar.fl_str_mv |
http://purl.org/coar/access_right/c_abf2 |
dc.rights.uri.*.fl_str_mv |
http://creativecommons.org/licenses/by-nc-sa/4.0/ |
dc.rights.acceso.spa.fl_str_mv |
Abierto (Texto Completo) |
rights_invalid_str_mv |
Atribución-NoComercial-CompartirIgual 4.0 Internacional http://creativecommons.org/licenses/by-nc-sa/4.0/ Abierto (Texto Completo) http://purl.org/coar/access_right/c_abf2 |
dc.format.mimetype.spa.fl_str_mv |
pdf |
institution |
Universidad Distrital Francisco José de Caldas |
bitstream.url.fl_str_mv |
http://repository.udistrital.edu.co/bitstream/11349/30400/1/PeraltaRojasLauraMichelle2022.pdf http://repository.udistrital.edu.co/bitstream/11349/30400/2/Licencia%20y%20autorizacion%20de%20los%20autores%20para%20publicar.pdf http://repository.udistrital.edu.co/bitstream/11349/30400/6/license_rdf http://repository.udistrital.edu.co/bitstream/11349/30400/7/license.txt http://repository.udistrital.edu.co/bitstream/11349/30400/8/PeraltaRojasLauraMichelle2022.pdf.jpg http://repository.udistrital.edu.co/bitstream/11349/30400/9/Licencia%20y%20autorizacion%20de%20los%20autores%20para%20publicar.pdf.jpg |
bitstream.checksum.fl_str_mv |
32f1e59bc2661e3149f6ff269a88bcca 350f1fe8cf11992d51195f266a52cb4b 934f4ca17e109e0a05eaeaba504d7ce4 997daf6c648c962d566d7b082dac908d 91ec9b50eed10d8b46c10b885fbc5c2f d4f4c732f50fb851f8fb1c33409494d7 |
bitstream.checksumAlgorithm.fl_str_mv |
MD5 MD5 MD5 MD5 MD5 MD5 |
repository.name.fl_str_mv |
Repositorio Institucional Universidad Distrital - RIUD |
repository.mail.fl_str_mv |
repositorio@udistrital.edu.co |
_version_ |
1803712646377111552 |
spelling |
ESPEJO VALERO, OSCAR JAVIERwill be generated::orcid::0000-0002-3520-0526600Peralta Rojas, Laura MichelleAriza Buitrago, ArdikaryCuadros Rangel, William Sneyder2022-11-04T19:55:14Z2022-11-04T19:55:14Z2022-08-22http://hdl.handle.net/11349/30400Este complemento realiza el procesamiento de las imágenes mediante un aprendizaje supervisado con redes neuronales convolucionales, donde se lleva a cabo una fase previa de entrenamiento, tomando como base el 60% del total de las muestras debidamente etiquetadas en las clases definidas (Construido y no construido), para posteriormente comprobarlo con el 40% de las muestras restantes, generando una validación de correspondencia de la clase que predice, respecto a la clase etiquetada anteriormente. Posteriormente, con el modelo ya entrenado, se lleva a cabo la clasificación de una imagen de fecha posterior a la utilizada en el entrenamiento, prediciendo la probabilidad de si un pixel corresponde a una construcción o no. Finalmente, el complemento realiza una resta entre las dos clasificaciones, la de entrada y la predicha, generando así un ráster de probabilidad de cambio de cobertura. Una vez generado el insumo, el usuario estará en la capacidad de tomar decisiones acertadas frente al plan de trabajo, permitiendo establecer áreas y rutas óptimas para el levantamiento de información en campo, enfocando los recursos en las zonas donde se detectan cambios en la dinámica inmobiliaria.Throughout this document, the development of a complement that allows the identification of physical changes in non-urbanized urbanizable lots is exposed, by means of multi-temporal comparison and coverage classification between two high-resolution images on free geographic-type software such as QGIS. , which allows any user to generate a raster file that defines the probability of constructive changes in a particular area during the period between the images by loading a comparison base image and an image from a later time. , specific case of the application, those areas that went from being an undeveloped lot to presenting some type of construction or vice versa. This plugin performs image processing through supervised learning with convolutional neural networks, where a previous training phase is carried out, based on 60% of the total samples duly labeled in the defined classes (Built and not built). ), to subsequently verify it with the 40% of the remaining samples, generating a correspondence validation of the class that it predicts, with respect to the previously labeled class. Subsequently, with the model already trained, the classification of an image with a later date than the one used in the training is carried out, predicting the probability of whether a pixel corresponds to a construction or not. Finally, the plugin performs a subtraction between the two classifications, the input and the predicted one, thus generating a cover change probability raster. Once the input is generated, the user will be able to make the right decisions regarding the work plan, allowing the establishment of optimal areas and routes for gathering information in the field, focusing resources on areas where changes in real estate dynamics are detected. .pdfspaAtribución-NoComercial-CompartirIgual 4.0 Internacionalhttp://creativecommons.org/licenses/by-nc-sa/4.0/Abierto (Texto Completo)http://purl.org/coar/access_right/c_abf2QGISPluginCatastroComplementoRedes neuronales convolucionalesImágenes alta resoluciónEspecialización en Sistemas de Información Geográfica - Tesis y disertaciones académicasRedes neurales (Computadores)Desarrollo de programas para computadorPython (Lenguaje de programación de computadores)Procesamiento de imágenesReconocimiento de suelosQGISPluginCadastreComplementConvolutional neural networksHigh resolution imagesCACTU: Complemento de actualización urbana para la clasificación de imágenes de alta resolución mediante redes neuronales convolucionales.CACTU: Urban update plugin for high resolution image classification using convolutional neural networks.bachelorThesisInvestigación-Innovacióninfo:eu-repo/semantics/bachelorThesishttp://purl.org/coar/resource_type/c_7a1fORIGINALPeraltaRojasLauraMichelle2022.pdfPeraltaRojasLauraMichelle2022.pdfapplication/pdf4086259http://repository.udistrital.edu.co/bitstream/11349/30400/1/PeraltaRojasLauraMichelle2022.pdf32f1e59bc2661e3149f6ff269a88bccaMD51open accessLicencia y autorizacion de los autores para publicar.pdfLicencia y autorizacion de los autores para publicar.pdfLicencia de uso y publicaciónapplication/pdf167022http://repository.udistrital.edu.co/bitstream/11349/30400/2/Licencia%20y%20autorizacion%20de%20los%20autores%20para%20publicar.pdf350f1fe8cf11992d51195f266a52cb4bMD52metadata only accessCC-LICENSElicense_rdflicense_rdfapplication/rdf+xml; charset=utf-81031http://repository.udistrital.edu.co/bitstream/11349/30400/6/license_rdf934f4ca17e109e0a05eaeaba504d7ce4MD56open accessLICENSElicense.txtlicense.txttext/plain; charset=utf-87167http://repository.udistrital.edu.co/bitstream/11349/30400/7/license.txt997daf6c648c962d566d7b082dac908dMD57open accessTHUMBNAILPeraltaRojasLauraMichelle2022.pdf.jpgPeraltaRojasLauraMichelle2022.pdf.jpgIM Thumbnailimage/jpeg8265http://repository.udistrital.edu.co/bitstream/11349/30400/8/PeraltaRojasLauraMichelle2022.pdf.jpg91ec9b50eed10d8b46c10b885fbc5c2fMD58open accessLicencia y autorizacion de los autores para publicar.pdf.jpgLicencia y autorizacion de los autores para publicar.pdf.jpgIM Thumbnailimage/jpeg13222http://repository.udistrital.edu.co/bitstream/11349/30400/9/Licencia%20y%20autorizacion%20de%20los%20autores%20para%20publicar.pdf.jpgd4f4c732f50fb851f8fb1c33409494d7MD59open access11349/30400oai:repository.udistrital.edu.co:11349/304002023-06-09 16:14:02.594open accessRepositorio Institucional Universidad Distrital - RIUDrepositorio@udistrital.edu.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 |