Congress 1708
Author/s
  • Álvaro G. Dieste, F. Javier Cardama, Francisco Argüello y Dora B. Heras
ISBN
  • 978-84-13-02185-0
DOI
Source
  • Jornadas Sarteco 2022. Alicante, España. 2022

Impacto de la segmentación en superpíxeles sobre clasificadores de imágenes multiespectrales basados en aprendizaje profundo

Hoy en día, los clasificadores basados en redes neuronales convolucionales son muy populares en el campo de la clasificación de imágenes de teledetección, dadas las excelentes precisiones que consiguen alcanzar. No obstante, sus altos costes computacionales también limitan en gran medida la aplicación de estos modelos de aprendizaje profundo, sobre todo en escenarios de tiempo real. Es posible emplear técnicas de segmentación para simplificar las imágenes y acelerar así este proceso. En este trabajo se analiza el impacto de incorporar una etapa de segmentación en superpíxeles como preprocesamiento a esquemas de clasificación basados en redes neuronales convolucionales, comprobando cómo es posible acelerar la clasificación de forma muy significativa y sin degradar las precisiones resultantes.
Keywords: teledetección, multiespectral, hiperespectral, clasificación de imágenes, redes neuronales convolucionales, segmentación en superpíxeles
Canonical link