Evaluación de eficiencia entre clasificación automática por segmentación semántica y clasificación manual de nube de puntos fotogramétricos de un levantamiento topográfico

Vista sencilla de ítem
dc.contributor.advisorLópez Barrantes, Marco Antonio
dc.contributor.authorGálvez Zanabria, Antulio Cristhian
dc.contributor.authorYalli Mamani, Marvin
dc.date.accessioned2025-01-29T21:59:06Z
dc.date.available2025-01-29T21:59:06Z
dc.date.issued2024-10-29
dc.description.abstractEn este estudio se determinó la eficiencia entre clasificación automática por segmentación semántica y clasificación manual. El estudio fue de tipo aplicado, nivel descriptivo explicativo con un diseño cuasi-experimental y comparativa. Se utilizaron un conjunto de datos Day ton Annotated Lidar Earth Scan (Dales). Además , los siguientes resultados de las métricas (clasificación semántica), con una precisión global=0,93, la precisión media=0,70 y para IoU (Intersection over Union), se obtuvo la media IoU=0,54 y un valor ponderado IoU=0,88. Por otro lado resultados de las métricas (clasificación manual), con una precisión global=0,92, la precisión media=0,65 y para IoU (Intersection over Union), se obtuvo la media IoU=0,55 y un valor ponderado IoU=0,88. Por otro lado Además se aplicó el test de normalidad de Shapiro Wilk, luego se llevó a cabo el análisis estadístico utilizando la prueba t para muestras apareadas, para el objetivo 1 2. La clasificación automática de la vegetación presenta un desempeño aceptable. Sin embargo, la precisión/ eficiencia = 85.84% y la IoU= 83.39% en tanto, para la clasificación manual de la vegetación la precisión/ eficiencia = 82.00% y la IoU= 78.00%, para el objetivo 2 la clasificación de edificaciones muestra un alto rendimiento tanto en precisión/ eficiencia =92.39% como en IoU=87.81%, en tanto, para la clasificación manual de edificaciones la precisión/ eficiencia = 88.00% y la IoU= 85.00%y para el objetivo 3 la clasificación automática de la superficie del terreno es extremadamente eficaz, mostrando resultados sobresalientes debido a que precisión/ eficiencia = 99.10% como en IoU= 93.51%. en tanto, para la clasificación manual de la vegetación la precisión/ eficiencia = 96.00% y la IoU= 91.00%, Esto indica que los modelos de segmentación semántica están altamente optimizados para detectar y clasificar el suelo, reflejando una fuerte correspondencia con las técnicas de clasificación manual, además el estadístico de prueba para los 3 objetivos tiene un p valor de 0,000<5% y cumpliéndose el objetivo general.
dc.formatapplication/pdf
dc.identifier.urihttps://hdl.handle.net/20.500.14597/8705
dc.language.isospa
dc.publisherUniversidad Nacional de Huancavelica.
dc.publisher.countryPE
dc.rightsinfo:eu-repo/semantics/openAccess
dc.rights.urihttps://creativecommons.org/licenses/by/4.0/
dc.subjectSegmentación semántica
dc.subjectNube de puntos
dc.subjectPrecisión
dc.subjectEficacia
dc.subjectLidar
dc.subjectDales
dc.subjectIo U.
dc.subject.ocdehttps://purl.org/pe-repo/ocde/ford#2.01.01
dc.titleEvaluación de eficiencia entre clasificación automática por segmentación semántica y clasificación manual de nube de puntos fotogramétricos de un levantamiento topográfico
dc.typeinfo:eu-repo/semantics/bachelorThesis
dc.type.versioninfo:eu-repo/semantics/publishedVersion
renati.advisor.dni21441702
renati.advisor.orcidhttps://orcid.org/0000-0002-7481-650X
renati.author.dni44876916
renati.author.dni44429737
renati.discipline413018
renati.jurorOlivera Quintanilla, Abdón Dante
renati.jurorCaballero Sánchez, Omar
renati.jurorMartínez Quispe, Judith
renati.levelhttps://purl.org/pe-repo/renati/level#tituloProfesional
renati.typehttps://purl.org/pe-repo/renati/type#tesis
thesis.degree.disciplineIngeniería Civil
thesis.degree.grantorUniversidad Nacional de Huancavelica. Facultad de Ciencias Ingeniería
thesis.degree.nameIngeniero Civil
Archivos
Bloque original
Mostrando 1 - 1 de 1
Miniatura
Nombre:
GÁLVEZ ZANABRIA Y YALLI MAMANI.pdf
Tamaño:
6.57 MB
Formato:
Adobe Portable Document Format
Descripción:
Descargar
Bloque de licencias
Mostrando 1 - 1 de 1
Miniatura
Nombre:
license.txt
Tamaño:
1.71 KB
Formato:
Item-specific license agreed upon to submission
Descripción:
Descargar
Colecciones
Tesis 2024