Métodos de aprendizaje profundo para la identificación de objetos en imágenes por satélite

Abstract

Este trabajo se centra en el uso de métodos de aprendizaje profundo para la detección de objetos en imágenes satelitales. Se investigan y comparan diversas arquitecturas de redes neuronales convolucionales (CNN) para identificar automáticamente objetos como edificios, vehículos y cuerpos de agua en imágenes de alta resolución. Se exploran técnicas de preprocesamiento y aumento de datos para mejorar el rendimiento de los modelos en la detección de objetos. Los resultados indican que los métodos de aprendizaje profundo pueden aumentar significativamente la precisión y eficiencia en la identificación de objetos en imágenes satelitales, con aplicaciones prácticas en cartografía, ámbito militar, entre otros.

This work focuses on using deep learning methods for object detection in satellite images. It investigates and compares various convolutional neural network (CNN) architectures for the automatic identification of objects such as buildings, vehicles, and bodies of water in high-resolution images. Techniques for preprocessing and data augmentation are explored to enhance model performance in object detection. The results indicate that deep learning methods can significantly improve the accuracy and efficiency of object identification in satellite images, with practical applications in areas such as cartography and the military, among others.