Sistema de clasificación de coberturas en imágenes tomadas por drones usando técnicas de Deep Learning
El mapeo de la cobertura terrestre es un tema de investigación importante en la ciencia del cambio en el uso de la tierra y la planificación del paisaje. Las actividades humanas cambian constantemente los patrones de cobertura de la tierra e influyen en los procesos biofísicos del territorio. Tradic...
- Autores:
-
Tello Dagua, Jhon Jairo
- Tipo de recurso:
- Masters Thesis
- Fecha de publicación:
- 2020
- Institución:
- Pontificia Universidad Javeriana Cali
- Repositorio:
- Vitela
- Idioma:
- spa
- OAI Identifier:
- oai:vitela.javerianacali.edu.co:11522/2140
- Acceso en línea:
- https://vitela.javerianacali.edu.co/handle/11522/2140
- Palabra clave:
- Deep learning
Redes neuronales
Convolucionales
Reconocimiento de imágenes
Ingeniería de software
Clasificación de coberturas
- Rights
- License
- https://creativecommons.org/licenses/by-nc-nd/4.0/
| id |
Vitela2_8daa1aabcecfbc453ee2b87c7d22bdd5 |
|---|---|
| oai_identifier_str |
oai:vitela.javerianacali.edu.co:11522/2140 |
| network_acronym_str |
Vitela2 |
| network_name_str |
Vitela |
| repository_id_str |
|
| dc.title.spa.fl_str_mv |
Sistema de clasificación de coberturas en imágenes tomadas por drones usando técnicas de Deep Learning |
| title |
Sistema de clasificación de coberturas en imágenes tomadas por drones usando técnicas de Deep Learning |
| spellingShingle |
Sistema de clasificación de coberturas en imágenes tomadas por drones usando técnicas de Deep Learning Deep learning Redes neuronales Convolucionales Reconocimiento de imágenes Ingeniería de software Clasificación de coberturas |
| title_short |
Sistema de clasificación de coberturas en imágenes tomadas por drones usando técnicas de Deep Learning |
| title_full |
Sistema de clasificación de coberturas en imágenes tomadas por drones usando técnicas de Deep Learning |
| title_fullStr |
Sistema de clasificación de coberturas en imágenes tomadas por drones usando técnicas de Deep Learning |
| title_full_unstemmed |
Sistema de clasificación de coberturas en imágenes tomadas por drones usando técnicas de Deep Learning |
| title_sort |
Sistema de clasificación de coberturas en imágenes tomadas por drones usando técnicas de Deep Learning |
| dc.creator.fl_str_mv |
Tello Dagua, Jhon Jairo |
| dc.contributor.advisor.none.fl_str_mv |
Reymondin, Louis |
| dc.contributor.author.none.fl_str_mv |
Tello Dagua, Jhon Jairo |
| dc.subject.none.fl_str_mv |
Deep learning Redes neuronales Convolucionales Reconocimiento de imágenes Ingeniería de software Clasificación de coberturas |
| topic |
Deep learning Redes neuronales Convolucionales Reconocimiento de imágenes Ingeniería de software Clasificación de coberturas |
| description |
El mapeo de la cobertura terrestre es un tema de investigación importante en la ciencia del cambio en el uso de la tierra y la planificación del paisaje. Las actividades humanas cambian constantemente los patrones de cobertura de la tierra e influyen en los procesos biofísicos del territorio. Tradicionalmente la detección, clasificación y el monitoreo de coberturas de la tierra se ha llevado a cabo a través de la teledetección satelital. La capacidad para detectar, clasificar y cuantificar depende en gran parte de la capacidad del sensor y técnicas de clasificación entre las que se destacan la supervisada y no supervisada. Estas técnicas dependen de la calidad del algoritmo utilizado para discriminar las categorías. Con el uso de los drones es posible en la actualidad contar con grandes conjuntos de imágenes de alta resolución que contienen una gran cantidad de información que se puede explorar. Estas imágenes tienen el potencial de contener varios tipos de características como: bosques, casas, edificios, cultivos, carreteras, entre muchos otros. Esta investigación se enfocará en explorar el uso de técnicas de Deep Learning y redes neuronales convolucionales para la clasificación automatizada de coberturas de la tierra usando imágenes de alta resolución tomadas por drones. Se usará la librería de Deep Learning, Deeplearning4j para implementar un prototipo para la clasificación de coberturas. Como este tipo de modelos requiere que el conjunto de datos de entrenamiento sea bastante grande para un rendimiento más óptimo también dentro de la investigación se creará una plataforma para el etiquetado de imágenes por parte de expertos y una base de datos que estará en continuo crecimiento a medida que se etiqueten nuevas imágenes. |
| publishDate |
2020 |
| dc.date.issued.none.fl_str_mv |
2020 |
| dc.date.accessioned.none.fl_str_mv |
2024-06-11T13:33:20Z |
| dc.date.available.none.fl_str_mv |
2024-06-11T13:33:20Z |
| dc.type.coar.none.fl_str_mv |
http://purl.org/coar/resource_type/c_bdcc |
| dc.type.local.none.fl_str_mv |
Tesis/Trabajo de grado - Monografía - Maestría |
| dc.type.redcol.none.fl_str_mv |
https://purl.org/redcol/resource_type/TM |
| format |
http://purl.org/coar/resource_type/c_bdcc |
| dc.identifier.uri.none.fl_str_mv |
https://vitela.javerianacali.edu.co/handle/11522/2140 |
| url |
https://vitela.javerianacali.edu.co/handle/11522/2140 |
| dc.language.iso.none.fl_str_mv |
spa |
| language |
spa |
| dc.rights.uri.none.fl_str_mv |
https://creativecommons.org/licenses/by-nc-nd/4.0/ |
| dc.rights.creativecommons.none.fl_str_mv |
https://creativecommons.org/licenses/by-nc-nd/4.0/ |
| dc.rights.accessrights.none.fl_str_mv |
http://purl.org/coar/access_right/c_abf2 |
| rights_invalid_str_mv |
https://creativecommons.org/licenses/by-nc-nd/4.0/ http://purl.org/coar/access_right/c_abf2 |
| dc.format.extent.none.fl_str_mv |
121 p. |
| dc.format.mimetype.none.fl_str_mv |
application/pdf |
| dc.publisher.none.fl_str_mv |
Pontificia Universidad Javeriana Cali |
| publisher.none.fl_str_mv |
Pontificia Universidad Javeriana Cali |
| institution |
Pontificia Universidad Javeriana Cali |
| bitstream.url.fl_str_mv |
https://vitela.javerianacali.edu.co/bitstreams/5660ace1-49c3-4895-b0c1-5aaa1f898921/download https://vitela.javerianacali.edu.co/bitstreams/9d51fd56-d88d-4010-af1a-4c11c9620ae1/download https://vitela.javerianacali.edu.co/bitstreams/ca84437a-afa1-4852-bcb3-40e35430a161/download https://vitela.javerianacali.edu.co/bitstreams/09bf67eb-2999-400c-b94a-76e1e2761b84/download https://vitela.javerianacali.edu.co/bitstreams/93b8fd9a-7232-4aca-ac9a-530fe802e3e4/download https://vitela.javerianacali.edu.co/bitstreams/90bc57ec-3340-40ef-b85a-08d7c53fabc9/download https://vitela.javerianacali.edu.co/bitstreams/16a3976d-8102-454e-b2ac-eb4e056da94d/download |
| bitstream.checksum.fl_str_mv |
8a4605be74aa9ea9d79846c1fba20a33 59e46ab467de5e206713d7e754420945 d400fb35c3557e4b744a25ca4c23e175 db91ca81a9db6d1778ecf096161a1542 1a92111ae9f47f8d67154618dba162cd 981b8d04ebd4a862a171043ebf3c1398 f9b8368344eeb2fbcf02d325bad9367a |
| bitstream.checksumAlgorithm.fl_str_mv |
MD5 MD5 MD5 MD5 MD5 MD5 MD5 |
| repository.name.fl_str_mv |
Repositorio Vitela |
| repository.mail.fl_str_mv |
vitela.mail@javerianacali.edu.co |
| _version_ |
1812095047933362176 |
| spelling |
Reymondin, LouisTello Dagua, Jhon Jairo2024-06-11T13:33:20Z2024-06-11T13:33:20Z2020https://vitela.javerianacali.edu.co/handle/11522/2140El mapeo de la cobertura terrestre es un tema de investigación importante en la ciencia del cambio en el uso de la tierra y la planificación del paisaje. Las actividades humanas cambian constantemente los patrones de cobertura de la tierra e influyen en los procesos biofísicos del territorio. Tradicionalmente la detección, clasificación y el monitoreo de coberturas de la tierra se ha llevado a cabo a través de la teledetección satelital. La capacidad para detectar, clasificar y cuantificar depende en gran parte de la capacidad del sensor y técnicas de clasificación entre las que se destacan la supervisada y no supervisada. Estas técnicas dependen de la calidad del algoritmo utilizado para discriminar las categorías. Con el uso de los drones es posible en la actualidad contar con grandes conjuntos de imágenes de alta resolución que contienen una gran cantidad de información que se puede explorar. Estas imágenes tienen el potencial de contener varios tipos de características como: bosques, casas, edificios, cultivos, carreteras, entre muchos otros. Esta investigación se enfocará en explorar el uso de técnicas de Deep Learning y redes neuronales convolucionales para la clasificación automatizada de coberturas de la tierra usando imágenes de alta resolución tomadas por drones. Se usará la librería de Deep Learning, Deeplearning4j para implementar un prototipo para la clasificación de coberturas. Como este tipo de modelos requiere que el conjunto de datos de entrenamiento sea bastante grande para un rendimiento más óptimo también dentro de la investigación se creará una plataforma para el etiquetado de imágenes por parte de expertos y una base de datos que estará en continuo crecimiento a medida que se etiqueten nuevas imágenes.Land cover mapping is an important research topic in the science of land use change and landscape planning. Human activities constantly change land cover patterns and influence the biophysical processes of the territory. Traditionally, the detection, classification and monitoring of land cover has been carried out through satellite remote sensing. The ability to detect, classify and quantify depends largely on sensor capacity and classification techniques, including supervised and unsupervised techniques. These techniques depend on the quality of the algorithm used to discriminate the categories. With the use of drones, it is now possible to have large sets of high-resolution images that contain a large amount of information that can be explored. These images have the potential to contain several types of characteristics such as forests, houses, buildings, crops, roads, among many others. This research will focus on exploring the use of deep learning techniques and convolutional neural networks for the automated classification of land covers using high-resolution images taken by drones. The Deep Learning library, Deeplearning4j will be used to implement a prototype for the classification of coverage. As this type of model requires that the training data set is large enough for a more optimal performance, also within the investigation, a platform will be created for the labeling of images by experts and a database that will be in continuous growth. as new images are tagged.121 p.application/pdfspaPontificia Universidad Javeriana Calihttps://creativecommons.org/licenses/by-nc-nd/4.0/https://creativecommons.org/licenses/by-nc-nd/4.0/http://purl.org/coar/access_right/c_abf2Deep learningRedes neuronalesConvolucionalesReconocimiento de imágenesIngeniería de softwareClasificación de coberturasSistema de clasificación de coberturas en imágenes tomadas por drones usando técnicas de Deep Learninghttp://purl.org/coar/resource_type/c_bdccTesis/Trabajo de grado - Monografía - Maestríahttps://purl.org/redcol/resource_type/TMFacultad de Ingeniería y Ciencias. Maestría en Ingeniería de SoftwarePontificia Universidad Javeriana CaliMaestríaLICENSElicense.txtlicense.txttext/plain; charset=utf-81748https://vitela.javerianacali.edu.co/bitstreams/5660ace1-49c3-4895-b0c1-5aaa1f898921/download8a4605be74aa9ea9d79846c1fba20a33MD51ORIGINALSistema_de_clasificación_de_coberturas_en_imagenes_tomadas_por_drones_usando_tecnicas_de_deep_learning.pdfSistema_de_clasificación_de_coberturas_en_imagenes_tomadas_por_drones_usando_tecnicas_de_deep_learning.pdfapplication/pdf3603070https://vitela.javerianacali.edu.co/bitstreams/9d51fd56-d88d-4010-af1a-4c11c9620ae1/download59e46ab467de5e206713d7e754420945MD51LICENCIA FINAL.pdfLICENCIA FINAL.pdfapplication/pdf187977https://vitela.javerianacali.edu.co/bitstreams/ca84437a-afa1-4852-bcb3-40e35430a161/downloadd400fb35c3557e4b744a25ca4c23e175MD52TEXTSistema_de_clasificación_de_coberturas_en_imagenes_tomadas_por_drones_usando_tecnicas_de_deep_learning.pdf.txtSistema_de_clasificación_de_coberturas_en_imagenes_tomadas_por_drones_usando_tecnicas_de_deep_learning.pdf.txtExtracted texttext/plain101610https://vitela.javerianacali.edu.co/bitstreams/09bf67eb-2999-400c-b94a-76e1e2761b84/downloaddb91ca81a9db6d1778ecf096161a1542MD511LICENCIA FINAL.pdf.txtLICENCIA FINAL.pdf.txtExtracted texttext/plain4958https://vitela.javerianacali.edu.co/bitstreams/93b8fd9a-7232-4aca-ac9a-530fe802e3e4/download1a92111ae9f47f8d67154618dba162cdMD513THUMBNAILSistema_de_clasificación_de_coberturas_en_imagenes_tomadas_por_drones_usando_tecnicas_de_deep_learning.pdf.jpgSistema_de_clasificación_de_coberturas_en_imagenes_tomadas_por_drones_usando_tecnicas_de_deep_learning.pdf.jpgGenerated Thumbnailimage/jpeg3755https://vitela.javerianacali.edu.co/bitstreams/90bc57ec-3340-40ef-b85a-08d7c53fabc9/download981b8d04ebd4a862a171043ebf3c1398MD512LICENCIA FINAL.pdf.jpgLICENCIA FINAL.pdf.jpgGenerated Thumbnailimage/jpeg5261https://vitela.javerianacali.edu.co/bitstreams/16a3976d-8102-454e-b2ac-eb4e056da94d/downloadf9b8368344eeb2fbcf02d325bad9367aMD51411522/2140oai:vitela.javerianacali.edu.co:11522/21402024-06-25 05:13:56.881https://creativecommons.org/licenses/by-nc-nd/4.0/open.accesshttps://vitela.javerianacali.edu.coRepositorio Vitelavitela.mail@javerianacali.edu.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 |