Reconocimiento de coberturas terrestres mediante imágenes de satélite y aprendizaje profundo

Se destaca la limitación de los métodos manuales y se propone el uso de imágenes satelitales, especialmente del sensor Sentinel-2, para realizar un seguimiento eficiente. El estudio se centra en el conjunto de datos EuroSAT, utilizando modelos de aprendizaje profundo para clasificar diez categorías de cobertura terrestre. Se plantea un problema que destaca la necesidad de seleccionar y evaluar bandas de imágenes multiespectrales para mejorar el rendimiento de los modelos.

• Autores: Castaño Ramírez, Juan Sebastian
• Tipo de recurso: Trabajo de grado de pregrado
• Fecha de publicación: 2023
• Institución: Universidad Militar Nueva Granada
• Repositorio: Repositorio UMNG
• Idioma: spa
• OAI Identifier: oai:repository.umng.edu.co:10654/47428
• Acceso en línea: https://hdl.handle.net/10654/47428
• Palabra clave: TELEDETECCION; IMAGENES DE SATELITE; APRENDIZAJE PROFUNDO (INTELIGENCIA ARTIFICIAL); CLASIFICACION DE LA TIERRA y COBERTURA DE LA TIERRA; Satélite; Imágenes; Aprendizaje profundo; Bandas multiespectrales; Capas; Redes neuronales; Satellite; Images; Deep learning; Multispectral bands; Layers; Neural networks
• Rights: openAccess
• License: http://creativecommons.org/licenses/by-nc-nd/4.0/