Clasificación de Imágenes Urbanas Aéreas: Comparación entre Descriptores de Bajo Nivel y Aprendizaje Profundo

En este artículo se presenta una comparación entre diferentes algoritmos de descripción de texturas de bajo nivel acoplados con una máquina de soporte vectorial versus el algoritmo de aprendizaje profundo, en la tarea de reconocimiento y clasificación de imágenes aéreas. Para dicha tarea, una base d...

Descripción completa

Guardado en:
Detalles Bibliográficos
Autores principales: Arista-Jalife,Antonio, Calderón-Auza,Gustavo, Fierro-Radilla,Atoany, Nakano,Mariko
Lenguaje:Spanish / Castilian
Publicado: Centro de Información Tecnológica 2017
Materias:
Acceso en línea:http://www.scielo.cl/scielo.php?script=sci_arttext&pid=S0718-07642017000300021
Etiquetas: Agregar Etiqueta
Sin Etiquetas, Sea el primero en etiquetar este registro!
Descripción
Sumario:En este artículo se presenta una comparación entre diferentes algoritmos de descripción de texturas de bajo nivel acoplados con una máquina de soporte vectorial versus el algoritmo de aprendizaje profundo, en la tarea de reconocimiento y clasificación de imágenes aéreas. Para dicha tarea, una base de datos de 1,200 imágenes es utilizada para realizar los entrenamientos supervisados. El objetivo consiste en clasificar las imágenes en seis categorías comúnmente encontradas en zonas urbanas, de tal manera que pueda ser utilizado en cualquier parte del mundo. Los resultados arrojan que con 150 muestras de cada clase, el algoritmo de aprendizaje profundo es capaz de clasificar imágenes de avenidas, edificios, industrias, zonas naturales, zonas residenciales y cuerpos de agua, con un 87% de exactitud. Los resultados experimentales presentados muestran que las imágenes etiquetadas como edificios e industrias son las más complejas de discernir entre ellas, tanto para descriptores de bajo nivel como para las técnicas de aprendizaje profundo.