Es un modelo de aprendizaje automático de vanguardia que aprovecha imágenes satelitales de alta resolución para analizar e identificar rápidamente edificios urbanos, logrando esta tarea hasta 8 veces más rápido que los métodos manuales.
Este innovador detector emplea un enfoque de segmentación semántica para predecir máscaras ráster y polígonos vectorizados a partir de imágenes satelitales. Otorga a cada píxel una asignación categórica, lo que permite su versatilidad en diversos contextos al reconocer los rasgos distintivos de cada ciudad. El entrenamiento del modelo abarcó imágenes de Georgetown, Paramaribo y Belice, refinando su capacidad para actuar con precisión.
El objetivo general de este modelo es proporcionar a los planificadores urbanos una herramienta automatizada para generar mapas fundamentales de los edificios existentes dentro de los paisajes urbanos y los asentamientos humanos. Al acelerar significativamente el proceso de identificación, permite a los planificadores acceder de manera eficiente a datos esenciales, mejorando su capacidad para elaborar estrategias y tomar decisiones informadas sobre el desarrollo urbano.