Segmentación de Imágenes de Teledetección mediante Aprendizaje Profundo

La Segmentación de Imágenes de Teledetección mediante Aprendizaje Profundo aplica redes neuronales convolucionales y arquitecturas codificador-decodificador para clasificar y delinear automáticamente objetos en imágenes satelitales o aéreas a nivel de píxel. Revisado sistemáticamente por Zhu et al. (2017) en IEEE Geoscience and Remote Sensing Magazine, este paradigma unificó enfoques previamente fragmentados —clasificación de escenas, detección de objetos y segmentación semántica— bajo un único marco de características aprendidas capaz de explotar la riqueza espacial, espectral y temporal de los datos de teledetección.