Sistema de clasificación de coberturas en imágenes tomadas por drones usando técnicas de Deep Learning

Abstract
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.
Description
item.page.descriptioneng
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.
Keywords
Deep learning, Redes neuronales, Convolucionales, Reconocimiento de imágenes, Ingeniería de software, Clasificación de coberturas
Citation