Evaluación de modelos de segmentación de imágenes para la identificación de urbanizaciones cerradas en imágenes satelitales

• Autores: Elseser, Axel Waldemar
• Año de publicación: 2024
• Idioma: español castellano
• Tipo de recurso: tesis de maestría
• Colaborador/a o director/a de tesis: Cabral, Juan Bautista; Minotti, Priscilla Gail
• Materia: Segmentación de instancias; Visión computacional; Urbanizaciones cerradas; Teledetección urbana; Instance segmentation; Computer vision; Gated neighborhoods; Urban remote sensing
• Institución: Universidad Nacional de Córdoba

Tesis (Magister en aplicaciones de información espacial)--Universidad Nacional de Córdoba, Facultad de Matemática, Astronomía, Física y Computación, 2024.
Maestría conjunta con el Instituto de Altos Estudios Espaciales "Mario Gulich"-CONAE.
Fil: Elseser, Axel Waldemar. Universidad Nacional de Córdoba. Facultad de Matemática, Astronomía, Física y Computación; Argentina.
Fil: Elseser, Axel Waldemar. Comisión Nacional de Actividades Espaciales. Instituto de Altos Estudios Espaciales Mario Gulich; Argentina.
Las Urbanizaciones Cerradas (UC) son áreas residenciales caracterizadas por ser espacios urbanizados de acceso restringido, baja densidad constructiva, edificios de baja altura, espacios verdes y, en algunos casos, cuerpos de agua. A pesar de ser un tipo de urbanización característica del Área Metropolitana de Buenos Aires (AMBA), la base de datos pública que los registra no se encuentra actualizada. El presente trabajo tuvo como objetivo evaluar los modelos de segmentación de instancias YOLOv5, YOLOv8 y SAM-Seg (Mask R-CNN) para el mapeo automático de UC en imágenes satelitales PlanetScope y Sentinel-2. Los resultados de los experimentos arrojaron un mejor desempeño de los modelos entrenados con PlanetScope respecto a sus contrapartes entrenadas con Sentinel-2 en las métricas de calidad de Precisión e Índice de Jaccard (IoU). El modelo YOLOv5 entrenado con PlanetScope presentó los mejores resultados, alcanzando una Precisión de 0.71 y un IoU de 0.81. El presente trabajo permite establecer una línea de base para generar una herramienta operativa para el mapeo automático de UC, y la metodología desarrollada puede ser aplicada a cualquier problema de segmentación de instancias en imágenes satelitales.
Gated Neighborhoods (GN) are residential areas characterized by being closed urban spaces with low construction density, low-rise buildings, green spaces, and, in some cases, bodies of water. Despite being a type of urbanization typical of the Buenos Aires Metropolitan Area (AMBA), the public database that registers them is outdated. In this study, instance segmentation models based on artificial neural networks—YOLOv5, YOLOv8, and SAM-Seg (Mask R-CNN)—were evaluated for the automatic mapping of UC in PlanetScope and Sentinel-2 satellite images, applying K-fold. The results of the experiments showed better performance in models trained with PlanetScope compared to their counterparts trained with Sentinel-2, both in Precision and Jaccard Index (IoU). The YOLOv5 model trained with PlanetScope presented the best results, achieving a Precision of 0.71 and an IoU of 0.81. This study establishes a baseline for generating an operational tool for the automatic mapping of UC, and the developed methodology can be applied to any instance segmentation problem in satellite images.
Fil: Elseser, Axel Waldemar. Universidad Nacional de Córdoba. Facultad de Matemática, Astronomía, Física y Computación; Argentina.
Fil: Elseser, Axel Waldemar. Comisión Nacional de Actividades Espaciales. Instituto de Altos Estudios Espaciales Mario Gulich; Argentina.