Identificación de las características del paisaje urbano mediante imágenes VHR y aplicaciones de aprendizaje profundo

La identificación y detección de elementos en espacios urbanos basada en el aprendizaje profundo (Deep Learning, DL) a través de conjuntos de datos de observación de la Tierra se han investigado y debatido ampliamente. Dichos estudios han desarrollado métodos de vanguardia para mapear en detalle características urbanas como la huella de un edificio o carreteras.

Este estudio profundiza en la combinación de múltiples estudios de este tipo para identificar características urbanas detalladas que definen los paisajes urbanos. Específicamente, la investigación se centra en el empleo de modelos de segmentación semántica y detección de objetos y otros métodos de visión por computadora para identificar diez características del paisaje urbano, como corredores de movimiento, carreteras, aceras, carriles para bicicletas, estacionamiento en la vía pública, vehículos, árboles, vegetación, marcas viales y Edificios. Los datos de capacitación para identificar y clasificar todos los elementos, excepto las marcas viales, se recopilan de fuentes abiertas y se ajustan para adaptarse al contexto del estudio. El conjunto de datos de entrenamiento se crea y se emplea manualmente para delinear las marcas viales. Además de la evaluación específica del modelo en el conjunto de prueba de los datos, el estudio crea su propio conjunto de datos de prueba del área de estudio para analizar el desempeño de estos modelos.

Los resultados de estos modelos se integran aún más para desarrollar un conjunto de datos geoespaciales, que además se utiliza para generar vistas en 3D y secciones transversales de calles para la ciudad. Los modelos entrenados y las fuentes de datos se discuten en la investigación y están disponibles para que los investigadores urbanos los exploten.

Título Original:

"Identifying Streetscape Features Using VHR Imagery and Deep Learning Applications"

Autor/es: