Exposición

Automatic Building Height Estimation: Machine Learning Models for Urban Image Analysis

Estimación Automática de la Altura de Edificios: Modelos de Aprendizaje Automático para el Análisis de Imágenes Urbanas

Fecha: 29 de julio de 2024

Este estudio presenta un modelo de aprendizaje automático para estimar automáticamente la altura de los edificios a partir de imágenes urbanas. Utilizando un modelo de segmentación semántica basado en la arquitectura HRNet y convoluciones separables de ResNext, el modelo logró estimar alturas de edificios con un error máximo de 3 metros. Entrenado en Julia y ejecutado en la supercomputadora Magerit, el modelo permite una evaluación rápida y precisa sin necesidad de nubes de puntos o estimaciones de profundidad de imagen, facilitando su aplicación en ciudades de América Central y otras regiones en desarrollo.

Ver documento [pdf]

Contribución de las Técnicas Geoespaciales y la Inteligencia Artificial a la Evaluación de la Exposición al Riesgo Sísmico en Ciudades Prioritarias de Centroamérica y el Caribe

Fecha: 29 de julio de 2024

Este estudio explora la utilización de técnicas geoespaciales e inteligencia artificial para evaluar la exposición al riesgo sísmico en ciudades prioritarias de Centroamérica y el Caribe. Basándose en la taxonomía del GEM y la metodología del GFZ, se analizaron 7,296 edificaciones en San José, Costa Rica. Utilizando algoritmos de clasificación Random Forest, se lograron identificar atributos críticos como la altura de las edificaciones y su fecha de construcción. Los resultados muestran que estas técnicas permiten realizar evaluaciones rápidas y efectivas, esenciales para estudios preliminares en situaciones de emergencia y para optimizar recursos en investigaciones más detallada

Ver documento [pdf]