Proyecto de Aprendizaje Automático para Generación de Mapas de Uso y Cobertura del Suelo (LULC) a partir de Datos de Satélite 🛰️🌍
Este repositorio contiene el código y los recursos relacionados con mi trabajo de fin de grado titulado "Entrenamiento de Modelos de Aprendizaje Automático para Generación de Mapas de Uso y Cobertura del Suelo (LULC) utilizando Datos de Satélite". En este proyecto, me sumergí en el emocionante mundo de la teledetección y el procesamiento de imágenes satelitales para desarrollar un avanzado modelo de segmentación semántica.
El objetivo principal de este proyecto fue crear un enfoque de aprendizaje automático que permitiera generar mapas precisos de Uso y Cobertura del Suelo (LULC) a partir de datos capturados por satélites equipados con sensores ópticos, como Sentinel 2. La innovación radica en la capacidad de nuestro algoritmo para adaptarse a nuevas zonas geográficas sin necesidad de un proceso completo de reentrenamiento, lo que lo hace altamente eficiente en diversos contextos.
Implementación de soluciones de Deep Learning, incluyendo la arquitectura VGG16 Unet, la Attention Unet y el Swin Transformer. Colaboración con la empresa Argans, que agrega un componente práctico y aplicado a este proyecto. Conclusiones que destacan la importancia de la gestión de datos en proyectos similares y los desafíos que enfrentan los modelos de aprendizaje automático al generalizar en áreas geográficas previamente no observadas. Éxito de la arquitectura VGG16 Unet en términos de eficiencia y resultados notables.
Borja Esteve - Investigador y desarrollador principal
Estoy emocionado por lo que el futuro tiene reservado y cómo esta investigación puede contribuir al avance de la teledetección y la monitorización del entorno terrestre y marítimo. Si deseas saber más sobre mi proyecto o tienes alguna pregunta, ¡no dudes en contactarme por Linkedin!