Deep Learning aplicado a imágenes satelitales como herramienta de detección de viviendas sin servicio de energía en el caserı́o Media Luna-Uribia-Guajira

En el presente trabajo de tesis, se realiza una aplicación de Deep Learning, específicamente detección de Viviendas Sin Servicio de energía (VSS) en el mapa satelital del caserío de Media Luna, ubicado en el municipio de Uribia al norte de La Guajira. A partir de un conjunto de datos que conforman imágenes satelitales de viviendas de diferentes zonas rurales de Colombia, obtenidas a través de Google Earth, se realizan dos modelos de predicción diferentes, se hace una comparación de estos modelos, con el objetivo de obtener una minimización del error de predicción. Para resolver el Problema se utilizaron diversas tecnologías, entre ellas se encuentra TensorFlow y Keras para la creación de las redes neuronales, con sus respectivas configuraciones. Se propone trabajar con Redes Neuronales Convolucionales y un modelo pre-entrenado de Keras llamado VGG16, con una función de activación ReLu. Los experimentos realizados muestran que el uso de Redes Convolucionales y los algoritmos presentados tienen un desempeño aceptable y más eficiente que los métodos tradicionales aplicados para el conteo de VSS en zonas rurales, con tiempos de procesamiento razonables y rapidez en la entrega de la información requerida.

• 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:11349/16030
• Acceso en línea: http://hdl.handle.net/11349/16030
• Palabra clave: Aprendizaje; Profundo; Redes; Neuronales; Convolucionales; Ingeniería de Sistemas - Tesis y disertaciones académicas; Imágenes satelitales - Uribia (Guajira, Colombia); Detección de viviendas - Uribia (Guajira, Colombia); Redes neurales (Computadores); Deep; Learning; Convolutional; Neural; Networks
• License: Atribución-NoComercial-SinDerivadas 4.0 Internacional