Land cover classification of high resolution images from an ecuadorian andean zone using deep convolutional neural networks and transfer learning

Le résumé fourni par la source

Recientemente, han surgido modelos de aprendizaje profundo o Deep Learning como un metodo popular para aplicar modelos de aprendizaje automatico en una variedad de dominios, como en la percepcion remota en donde se han propuesto diferentes enfoques para la clasificacion de cobertura y uso del suelo. Sin embargo, la disponibilidad de conjuntos de datos suficientemente grande con muestras etiquetadas, dificulta el entrenamiento de dichos modelos, esto conlleva a obtener modelos sub optimos que no son capaces de generalizar correctamente los diferentes tipos de cobertura del suelo. Este escenario sucede a menudo por lo que es considerado como un desafio importante que debe abordarse. En este articulo, se presenta un enfoque para realizar clasificacion de cobertura del suelo a partir de un pequeno conjunto de datos de imagenes de alta resolucion espacial perteneciente a una area en los Andes de Ecuador, se utiliza redes neuronales convolucionales profundas y tecnicas como: aprendizaje por transferencia, aumento de datos, entre otros ajustes a los parametros del modelo. Los resultados demostraron que este metodo es capaz de alcanzar una buena precision de clasificacion si esta respaldado por buenas estrategias para aumentar el numero de muestras en un conjunto de datos desequilibrado.

Ce résumé expose les affirmations des auteurs. BNTIC ne l’interprète pas comme une validation indépendante des résultats.