Resumen

Las imágenes de teledetección juegan un papel crucial en una amplia gama de aplicaciones y han estado recibiendo una atención significativa. En los últimos años, se han realizado grandes esfuerzos en el desarrollo de varios métodos para la interpretación inteligente de imágenes de teledetección. En general, los métodos basados en aprendizaje automático para la interpretación de imágenes de teledetección requieren un gran número de muestras etiquetadas y aún no hay suficientes conjuntos de datos anotados en el campo de la teledetección. Sin embargo, la anotación manual de imágenes de teledetección suele ser laboriosa y requiere conocimientos expertos, y la precisión de los resultados de la anotación es relativamente baja. El objetivo de este documento es proponer un nuevo método de anotación a nivel de mosaico de imágenes de teledetección para obtener conjuntos de datos de teledetección que estén bien etiquetados y contengan conceptos semánticos precisos. En primer lugar, utilizamos un conjunto de imágenes con conceptos semánticos definidos para representar el conjunto de entrenamiento y las

• Materias:Colonias de abejas artificiales Inteligencia artificial Patrón espacial Innovación de la comunicación Algoritmo de red neuronal
• Subjects:Artificial bee colonies Artificial intelligence Spatial pattern Communication innovation Neural network algorithm
• Palabras claves:Imágenes de teledetección; Interpretación; Método de anotación; Conceptos semánticos; Aprendizaje automático; Conjuntos de datos
• Keywords:Remote-sensing images; Interpretation; Annotation method; Semantic concepts; Machine learning; Datasets