Desarrollo de una base de datos en Python 3.8.18 para el entrenamiento de redes neuronales convolucionales (CNN) en la clasificación de categorías geoespaciales: bosques, cultivos, pastos, suelo desnudo, zonas inundables y pantanosas, y otras representaciones.

Este informe presenta el desarrollo de una base de datos en Python 3.8.18 destinada al entrenamiento de redes neuronales convolucionales (CNN) para llevar a cabo la clasificación de categorías geoespaciales, incluyendo bosques, cultivos, pastos, suelo desnudo, zonas inundables y pantanosas y otras representaciones. El enfoque central de este proyecto es la implementación de dicho sistema en entornos de segmentación específicos para ortomosaicos de 4 bandas. El objetivo principal es la automatización integral del proceso de generación de planos. La propuesta técnica se fundamenta en la aplicación de inteligencia artificial (IA) y el lenguaje de programación Python, concebidos como herramientas innovadoras para mejorar la eficiencia y precisión en la producción de planos geoespaciales. Este enfoque tecnológico ofrece mejoras notables en términos de velocidad y exactitud, destacando su ventaja competitiva frente a los métodos tradicionales empleados en el ámbito de la cartografía y la generación de planos.

• Autores: Navarro Casseres, Beitman Ricardo
• Tipo de recurso: https://vocabularies.coar-repositories.org/resource_types/c_7a1f/
• Fecha de publicación: 2023
• Institución: Universidad del Magdalena
• Repositorio: Repositorio Unimagdalena
• Idioma: spa; eng
• OAI Identifier: oai:repositorio.unimagdalena.edu.co:123456789/20904
• Acceso en línea: https://repositorio.unimagdalena.edu.co/handle/123456789/20904
• Palabra clave: Segmentación de ortomosaicos; Base de datos en Python; Clasificación geoespacial; Automatización del proceso de generación de planos
• Rights: openAccess
• License: Acceso Abierto