Los asentamientos son lugares donde familias, que habitan viviendas agrupadas o contiguas, se encuentran en una situación irregular de tenencia del terreno y carecen de acceso regular a uno o más servicios básicos de la vivienda (agua potable, energía eléctrica y alcantarillado/fosa séptica).
Este proyecto, desarrollado en conjunto entre Dymaxion Labs y TETO-Brasil, tiene por objetivo la detección y seguimiento de los asentamientos, aplicando técnicas basadas en machine learning (ML) para el procesamiento de imágenes satelitales. Esto permite mapear grandes áreas de manera rápida y con bajos recursos.
El modelo está optimizado para las imágenes multiespectrales del satélite Sentinel-2.
Se utilizan las herramientas GDAL y Orfeo Toolbox en la primera etapa del pre-procesamiento de los datos. Luego, se emplean nuestros paquetes satproc y unetseg para la generación del dataset y modelo de ML respectivamente.
Este repositorio contiene un conjunto de notebooks de Jupyter, que describen los pasos necesarios:
- Entrenamiento: Se procesan las imágenes satelitales y la verdad de campo para generar el dataset de entrenamiento. Luego se entrena y evalua el modelo.
- Prediccion: Predicción sobre la región de interés y procesamiento de los resultados de la predicción.
Reportes de bugs y pull requests pueden ser reportados en la página de issues de este repositorio. Este proyecto está destinado a ser un espacio seguro y acogedor para la colaboración, y se espera que los contribuyentes se adhieran al código de conducta Contributor Covenant.
El código está licenciado bajo Apache 2.0. Refiérase a LICENSE.txt.