Detección avanzada de edificios en imágenes de satélite VHR:un estudio exhaustivo utilizando diferentes enfoques R-CNN de máscara
Solicite nuestra ponencia Advanced building detection in VHR satellite imagery: a comprehensive study using different mask R-CNN approaches presentada en Edimburgo en el simposio Artificial Intelligence and Image and Signal Processing for Remote Sensing XXX que aborda la necesidad de identificar con precisión las huellas de los edificios a partir de imágenes de satélite de alta resolución para la planificación urbana y la respuesta ante catástrofes.
Luca Galli, Martina Infante, Edoardo Unali, Alberto Gallottini, 'Advanced building detection in VHR satellite imagery: a comprehensive study using different mask R-CNN approaches', Proc. SPIE 13196, Artificial Intelligence and Image and Signal Processing for Remote Sensing, 1319611 (2024).
Detección avanzada de edificios en imágenes de satélite VHR: un estudio exhaustivo utilizando diferentes enfoques R-CNN de máscara
Del 16 al 19 de septiembre se celebró en Edimburgo el simposio Artificial Intelligence and Image and Signal Processing for Remote Sensing XXX.
Cada año, esta importante comunidad se reúne para compartir y debatir investigaciones actuales, conocer los últimos descubrimientos, establecer contactos con colegas y explorar temas sobre las diversas áreas de investigación en Seguridad, Defensa y Teledetección.
Entre los temas que se tratarán figuran la investigación sobre la vigilancia de la atmósfera por satélite y la obtención de imágenes de los ecosistemas terrestres, así como la investigación sobre sensores y tecnologías fotónicas para la seguridad y la defensa.
En el programa de este año figura también la ponencia Advanced building detection in VHR satellite imagery: a comprehensive study using different mask R-CNN approaches, que logró superar la durísima selección gracias al minucioso e innovador trabajo de sus autores: Luca Galli, Martina Infante, Edoardo Unali, Alberto Gallottini di Exprivia SpA.
La identificación precisa de las huellas de los edificios a partir de imágenes de satélite de alta resolución es crucial para la planificación urbana y la respuesta ante catástrofes.
En este artículo se analizan las metodologías de detección de edificios mediante el marco R-CNN Mask y sus variantes, con el objetivo de abordar retos como la clasificación precisa de los píxeles de los límites y la reducción de los falsos positivos.
Para el análisis se utilizan dos conjuntos de datos WorldView-3: el conjunto de datos de detección de edificios SpaceNet y un conjunto de datos sobre Prato (Italia). Para evaluar el rendimiento del modelo se utilizan técnicas aumentadas, como las características de detección de bordes NDVI y Sobel, y métricas de evaluación como la puntuación F1 y la precisión media.
Los resultados revelan la superioridad de la R-CNN Point Rend Mask en la detección de edificios pequeños en entornos urbanos densamente poblados, mientras que la R-CNN RGB Cascade B Mask obtiene buenos resultados en el conjunto de datos Lawn. En particular, los modelos Point Rend y Cascade muestran mejoras sustanciales con respecto a otros métodos de detección de edificios. Esta investigación proporciona información sobre la eficacia del marco R-CNN de máscara y sus variantes para avanzar en la delineación de la huella de los edificios en diversas aplicaciones.
