Resumen:
Se presenta un nuevo enfoque de aprendizaje no supervisado para estimar el índice de vegetación de diferencia normalizada (NDVI). El NDVI se obtiene como la relación entre la información de las bandas espectrales visible e infrarroja cercana; Este índice se estima únicamente a partir de una imagen del espectro visible utilizando de una red Generativa Adversarial Cíclica (CyclicGAN). Esta arquitectura no supervisada aprende a estimar el índice NDVI traduciendo el canal rojo de una imagen RGB dada y la imagen del índice NDVI no pareada. El modelo se ha construido con una arquitectura ResNET modificada y con múltiples funciones de pérdida, logrando resultados superiores en comparación con métodos similares existentes.
Expositor:
Ph.D. Patricia Suárez R: graduada de Ingeniera en Sistemas Computacionales en 2001, obtuvo el grado de magister en Sistemas de Información Gerencial en 2008 en ESPOL, y de doctora en ciencias computacionales aplicadas en el 2020. Tengo 15 años de experiencia en el campo profesional a nivel bancario, industrial, negocio retail, comercial. Desde el 2006 docente de computación en diferentes universidades del país y hasta el 2020 docente de computación en la FIEC-ESPOL, actualmente investigadora en el centro de investigación en la ESPOL, CIDIS, en el área de visión por computador y aprendizaje profundo.
