Local cover image
Local cover image

Clasificación de cultivos en imágenes Landsat utilizando algoritmos de Active Learning

By: Contributor(s): Material type: TextTextPublication details: 2022Description: 1 archivo (8,9 MB) : il. colSubject(s): Online resources:
Contents:
Capítulo 1. Introducción -- 1.1. Motivación -- 1.2. Definición del problema -- 1.3. Objetivos -- 1.4. Estructura del resto del informe -- Capítulo 2. Remote Sensing -- 2.1. Definición -- 2.2. Espectro electromagnético -- 2.3. Firma Espectral -- 2.4. Índices de Vegetación -- 2.4.1. Definición de Índices de Vegetación -- 2.4.2. Normalized Difference Vegetal Index (NDVI) -- 2.4.3. Ratio Vegetation Index (RVI) -- 2.4.4. Soil Adjusted Vegetation Index (SAVI) -- 2.4.5. Modified Soil Adjusted Vegetation Index (MSAVI) -- 2.4.6. Enhanced Vegetation Index (EVI) -- 2.4.7. Normalized Difference Moisture Index (NDMI) -- 2.4.8. Normalized Difference Water Index (NDWI) -- 2.5. Resolución espectral y resolución radiométrica -- 2.6. Resolución espacial -- 2.7. Resolución temporal -- Capítulo 3. Machine Learning -- 3.1. Definiciones y clasificaciones -- 3.1.1. Grupos de algoritmos de Machine learning -- 3.1.2. Machine Learning aplicado a Remote Sensing -- 3.1.3. Active Learning: una alternativa a Supervised Learning -- 3.2. Máquinas de vectores soporte (Support Vector Machine – SVM) -- 3.2.1. Introducción -- 3.2.2. Partes y definición matemática -- 3.2.3. Frontera de decisión no lineal -- 3.2.4. SVM Kernels -- 3.3. Heurísticas -- 3.3.1. Random sampling (AL-RS) -- 3.3.2. Margin sampling (AL-MS) -- 3.3.3. Multiclass Level Uncertainty (AL-MCLU) -- 3.3.4. Breaking Ties (AL-BT) -- 3.3.5. Margin Sampling Orthogonal (AL-MSO) -- 3.4. Métricas de Evaluación -- 3.4.1. Matriz de confusión -- 3.4.2. Exactitud o Accuracy -- 3.4.3. Precisión o Precisión -- 3.4.4. Exactitud o Recall -- 3.4.5. Medida F o F1-Score -- Capítulo 4. Pruebas y Resultados -- 4.1. Dataset y estructura de los datos -- 4.2. División del dataset y pruebas -- 4.3. Resultados -- 4.4. Discusión -- Capítulo 5. Conclusiones -- 5.1. Conclusiones -- 5.2. Trabajo futuro -- Capítulo 6. Bibliografía -- Capítulo 7. Anexos
Dissertation note: Trabajo Final Integrador (Especialización en Computación Gráfica, Imágenes y Visión por Computador) - Universidad Nacional de La Plata. Facultad de Informática, 2022.
Star ratings
    Average rating: 0.0 (0 votes)
Holdings
Item type Home library Collection Call number URL Status Date due Barcode
Tesis de posgrado Tesis de posgrado Biblioteca de la Facultad de Informática TES 22/36 (Browse shelf(Opens below)) Available DIF-05167
Tesis de posgrado Tesis de posgrado Biblioteca de la Facultad de Informática Biblioteca digital Link to resource No corresponde
Tesis de posgrado Tesis de posgrado Biblioteca de la Facultad de Informática Biblioteca digital Link to resource No corresponde

Trabajo Final Integrador (Especialización en Computación Gráfica, Imágenes y Visión por Computador) - Universidad Nacional de La Plata. Facultad de Informática, 2022.

Capítulo 1. Introducción -- 1.1. Motivación -- 1.2. Definición del problema -- 1.3. Objetivos -- 1.4. Estructura del resto del informe -- Capítulo 2. Remote Sensing -- 2.1. Definición -- 2.2. Espectro electromagnético -- 2.3. Firma Espectral -- 2.4. Índices de Vegetación -- 2.4.1. Definición de Índices de Vegetación -- 2.4.2. Normalized Difference Vegetal Index (NDVI) -- 2.4.3. Ratio Vegetation Index (RVI) -- 2.4.4. Soil Adjusted Vegetation Index (SAVI) -- 2.4.5. Modified Soil Adjusted Vegetation Index (MSAVI) -- 2.4.6. Enhanced Vegetation Index (EVI) -- 2.4.7. Normalized Difference Moisture Index (NDMI) -- 2.4.8. Normalized Difference Water Index (NDWI) -- 2.5. Resolución espectral y resolución radiométrica -- 2.6. Resolución espacial -- 2.7. Resolución temporal -- Capítulo 3. Machine Learning -- 3.1. Definiciones y clasificaciones -- 3.1.1. Grupos de algoritmos de Machine learning -- 3.1.2. Machine Learning aplicado a Remote Sensing -- 3.1.3. Active Learning: una alternativa a Supervised Learning -- 3.2. Máquinas de vectores soporte (Support Vector Machine – SVM) -- 3.2.1. Introducción -- 3.2.2. Partes y definición matemática -- 3.2.3. Frontera de decisión no lineal -- 3.2.4. SVM Kernels -- 3.3. Heurísticas -- 3.3.1. Random sampling (AL-RS) -- 3.3.2. Margin sampling (AL-MS) -- 3.3.3. Multiclass Level Uncertainty (AL-MCLU) -- 3.3.4. Breaking Ties (AL-BT) -- 3.3.5. Margin Sampling Orthogonal (AL-MSO) -- 3.4. Métricas de Evaluación -- 3.4.1. Matriz de confusión -- 3.4.2. Exactitud o Accuracy -- 3.4.3. Precisión o Precisión -- 3.4.4. Exactitud o Recall -- 3.4.5. Medida F o F1-Score -- Capítulo 4. Pruebas y Resultados -- 4.1. Dataset y estructura de los datos -- 4.2. División del dataset y pruebas -- 4.3. Resultados -- 4.4. Discusión -- Capítulo 5. Conclusiones -- 5.1. Conclusiones -- 5.2. Trabajo futuro -- Capítulo 6. Bibliografía -- Capítulo 7. Anexos

Click on an image to view it in the image viewer

Local cover image