Implementación de redes neuronales convolucionadas para la clasificación de imágenes de sensores remotos en la Amazonía

El monitoreo de la superficie terrestre a través de sensores remotos ha sido impulsado por la necesidad de conocer el territorio y, así, tomar decisiones óptimas al momento de administrar los recursos naturales y gestionar el uso sostenible de las actividades humanas. Dados los recientes avances en la adquisición y procesamiento de datos provenientes de sensores remotos en diferentes plataformas con distintas características en cuanto a resoluciones geométricas, radiométricas, espectrales y temporales, se ha podido recolectar información de amplias áreas de la superficie terrestre, generando así grandes volúmenes de información que requieren del análisis en tiempo real para el máximo aprovechamiento del conocimiento obtenido. Es así como la ciencia de datos desde la década de los 80 ha desarrollado los métodos de aprendizaje profundo y visión computacional como las redes neuronales artificiales y específicamente las redes neuronales convolucionadas CNN para la captura, procesamiento y análisis de imágenes mostrando buenos resultados en la identificación de objetos. Este proyecto ofrece un modelo de CNN para la clasificación de coberturas de la tierra en la Amazonía usando imágenes de la plataforma Planet.

• Tipo de recurso: Trabajo de grado de pregrado
• Fecha de publicación: 2019
• Institución: Universidad Distrital Francisco José de Caldas
• Repositorio: RIUD: repositorio U. Distrital
• Idioma: spa
• OAI Identifier: oai:repository.udistrital.edu.co:11349/15836
• Acceso en línea: http://hdl.handle.net/11349/15836
• Palabra clave: Redes neuronales; Imágenes; Sensores remotos; Especialización en Sistemas de Información Geográfica - Tesis y disertaciones académicas; Redes neuronales; Sensores remotos; Redes neuronales convolucionales; Neural networks; Images; Remote sensing
• License: Atribución-NoComercial-SinDerivadas 4.0 Internacional