Redes neuronales artificiales y computación evolutiva en teledetección

Título original:

Artificial Neural Networks and Evolutionary Computation in Remote Sensing

Contenido del libro:

Las redes neuronales artificiales (RNA) y los métodos de computación evolutiva se han aplicado con éxito en aplicaciones de teledetección, ya que ofrecen ventajas únicas para el análisis de imágenes obtenidas por teledetección. Las RNA son eficaces para encontrar relaciones y estructuras subyacentes en conjuntos de datos multidimensionales.

Gracias a los nuevos sensores, disponemos de imágenes con más bandas espectrales a mayor resolución espacial, lo que recuerda claramente a los problemas de big data. Para ello, los algoritmos evolutivos se convierten en la mejor solución de análisis.

Este libro incluye once artículos de gran calidad, seleccionados tras un cuidadoso proceso de revisión, que abordan problemas actuales de teledetección. En los capítulos del libro, se sugirió la optimización superestructural para el diseño óptimo de redes neuronales feedforward, se desplegaron redes CNN para la carga útil de un nanosatélite con el fin de seleccionar imágenes aptas para su transmisión a tierra, se aplicó una nueva red neuronal convolucional de valor de característica de peso (WFCNN) para la segmentación fina de imágenes de teledetección y la extracción de información mejorada sobre el uso del suelo, se emplearon redes neuronales convolucionales regionales de máscara (Mask R-CNN) para extraer caras de relleno de valles, se aplicaron modelos de detección de objetos basados en redes neuronales convolucionales (CNN) de última generación para detectar automáticamente aviones y barcos en imágenes de satélite VHR, se empleó una estrategia de detección de gruesa a fina para detectar barcos de distintos tamaños, y se propuso una red cuádruple profunda (DQN) para la clasificación de imágenes hiperespectrales.