¿Qué es la segmentación semántica de imágenes satelitales y qué modelos se utilizan?

La segmentación semántica de imágenes satelitales es la tarea de etiquetar cada píxel de la imagen asignándole una clase (por ejemplo, agua, bosque, ciudad, tierras agrícolas). Esto permite un análisis detallado de la superficie terrestre.

Para resolverlo, se utilizan redes neuronales profundas, en particular:

• U-Net — una arquitectura popular para la segmentación, que funciona bien con cantidades limitadas de datos.
• DeepLab (v3, v3+) — utiliza pirámides espaciales y convoluciones atributivas para mejorar la calidad de la segmentación.
• SegNet — arquitectura codificador-decodificador, efectiva para tareas de alta resolución.

Un aspecto importante es el preprocesamiento de datos (corrección de distorsiones atmosféricas, normalización) y el uso de canales multiespectrales para aumentar la precisión de la clasificación.