Desarrollo de modelo de clasificación de suelo urbano recreativo basado en deep learning usando imágenes satelitales

Abstract
El presente documento se centra en el planteamiento de un proyecto que se enfoca en el fenómeno global del rápido crecimiento urbano, donde la expansión de las ciudades surge de manera acelerada y con ella la necesidad e importancia de tener zonas verdes y espacios recreativos dentro de ellas. La falta de información precisa sobre la ubicación y extensión de estos espacios ha llevado a deficiencias en la planificación urbana; en respuesta a esta problemática, se propone la implementación de un modelo automático basado en Redes Neuronales Convolucionales (CNN) para la detección y clasificación de parques y canchas deportivas en imágenes satelitales urbanas. El objetivo fundamental es estimar la cantidad de áreas recreativas en diferentes zonas urbanas, proporcionando datos cruciales para respaldar políticas públicas de expansión y mejorar la calidad de vida en entornos urbanos. Con el fin de llevar a cabo este propósito, inicialmente se planteó el diseño y entrenamiento de un modelo de CNN que clasifica y cuenta estas áreas y espacios recreativos, para posteriormente evaluar y comparar la efectividad del modelo propuesto con modelos de clasificación. Los resultados esperados abarcan la exitosa implementación del modelo en un repositorio público, la creación de una documentación detallada del proceso, y el desarrollo de scripts que faciliten la replicabilidad del enfoque propuesto y de manera propositiva, la creación de una herramienta interactiva que facilite la implementación del modelo y los resultados obtenidos.
Description
item.page.descriptioneng
This document focuses on the approach of a project that focuses on the global phenomenon of rapid urban growth, where the expansion of cities arises from accelerated manner and with it the need and importance of having green areas and spaces recreational within them. The lack of precise information about the location and extent of these spaces has led to deficiencies in urban planning; In response to this problem, The implementation of an automatic model based on Neural Networks is proposed. Convolutional (CNN) for the detection and classification of parks and sports fields in urban satellite images. The fundamental objective is to estimate the number of recreational areas in different urban areas, providing crucial data to support public policies of expansion and improve the quality of life in urban environments. In order to carry out this purpose, initially the design and training of a CNN model that classifies and account these areas and recreational spaces, to later evaluate and compare the effectiveness of the proposed model with classification models. The expected results include the successful Deploying the model to a public repository, creating detailed documentation of the process, and the development of scripts that facilitate the replicability of the proposed approach and of purposefully, the creation of an interactive tool that facilitates the implementation of the model and the results obtained.
Keywords
Clasificación, Redes Neuronales, Imágenes Satelitales, Aprendizaje profundo, Aprendizaje de máquinas, Clasification, Neural Networks, Satellite images, Deep Learning, Machine Learning
Citation