En los últimos años la cantidad de datos que se producen ha aumentado de forma exponencial. Esto nos puede dar acceso a unas fuentes de información realmente valiosas, pero a la vez nos plantea el reto de cómo procesar tal volumen de datos, en muchos casos no estructurados, para extraer dicha información.
Entre los datos que se generan a este ritmo se encuentran también las imágenes aéreas. Cada día, un número de satélites nunca visto, obtiene millones de imágenes de la tierra. Además el uso de drones para la teledetección está a la orden del día.
Por otra parte, el desarrollo del deep learning han hecho posibles muchas tareas de reconocimiento de imagen por parte de los ordenadores, logrando, en algunos casos, mejorar el desempeño humano.
Esta tecnología es la herramienta perfecta para generar valor de imágenes aéreas, consiguiendo realizar análisis automáticos de grandes volúmenes de datos.
Ratio de error en la competición de reconocimiento de imágenes ImageNet, los sistemas ganaderos, basados en deep learning, han logrado un mejor ratio de error que los humanos.
¿Qué aprenderás en nuestro curso?
Python y Anaconda
Te introduciras en el lenguaje de programación Python. Es el lenguaje de referencia para el deep learning. Existen multitud de librerías de código abierto para machine learning, data science, SIG y cálculo científico en general. Estas librerías están constantemente actualizadas y existe una comunidad muy activa.
Aprenderás a utilizar la librería numpy, un estándar para el cálculo científico en Python, al que proporciona un uso eficiente de matrices y vectores y multitud de operaciones matemáticas.
Para generar gráficas y representar datos visualmente aprenderás Matplotlib.
Para manipular y acceder rápidamente a datos en diferentes formatos te introducirán en la librería Pandas, muy utilizada en el ámbito del data science.
Te familiarizarás con algunas técnica básicas del machine learning usando la popular librería Scikit Learn.
Todo lo anterior usando Anaconda, una distribución de Python muy enfocada a la computación científica. Con Anaconda podrás programar en los notebooks de Jupyter, un entorno de programación interactivo.
Deep learning
Aprenderás en qué consiste el deep learning, creando, entrenando y evaluando diferentes modelos. Se hará énfasis en los modelos enfocados a la visión artificial, las redes neuronales convolucionales, que aplicarás a imágenes aéreas de distintas fuentes.
Se mostrarán tres diferentes tareas que pueden realizarse con estos modelos:
Clasificación: Consiste en asignar una imagen a una categoría, por ejemplo decidir que tipo de cobertura de superficie se observa en una imagen de satélite.
Detección: Consiste en detectar objetos y situarlos espacialmente una imagen. Por ejemplo detectar árboles en imágenes de drones.
Segmentación: Esta tarea consiste en asignar a cada pixel de la imagen una categoría. Por ejemplo en una imagen de satélite decidir qué píxeles pertenecen a un edificio y cuáles no.
Todo esto lo realizarás con Keras, una librería de alto nivel que simplifica la construcción de modelos, acelerando el desarrollo de modelos enormemente. Estos modelos se ejecutarán sobre Tensorflow, la librería para deep learning de Google.
Integración con GIS
Además de todo lo anterior aprenderás a manejar datos con formatos SIG, para traducir los resultados de los modelos de deep learning a capas en formato tanto vectorial como raster. Para ello utilizarás las librerías Fiona y Rasterio.
Si te interesa recibir más información de nuestro curso online de Deep Learning aplicado a los SIG y la Teledetección que empieza el 15 de noviembre escríbenos a formacion@tycgis.com.
(7 votos, promedio: 5,00 de 5)
Cargando...
Formación de calidad impartida por profesionales
Fuentes:
Deja tu comentario