<?xml version="1.0" encoding="UTF-8"?><?xml-stylesheet type="text/xsl" href="static/style.xsl"?><OAI-PMH xmlns="http://www.openarchives.org/OAI/2.0/" xmlns:xsi="http://www.w3.org/2001/XMLSchema-instance" xsi:schemaLocation="http://www.openarchives.org/OAI/2.0/ http://www.openarchives.org/OAI/2.0/OAI-PMH.xsd"><responseDate>2026-05-05T11:32:10Z</responseDate><request verb="GetRecord" identifier="oai:uvadoc.uva.es:10324/38792" metadataPrefix="marc">https://uvadoc.uva.es/oai/request</request><GetRecord><record><header><identifier>oai:uvadoc.uva.es:10324/38792</identifier><datestamp>2021-06-30T01:56:35Z</datestamp><setSpec>com_10324_38</setSpec><setSpec>col_10324_852</setSpec></header><metadata><record xmlns="http://www.loc.gov/MARC21/slim" xmlns:doc="http://www.lyncode.com/xoai" xmlns:xsi="http://www.w3.org/2001/XMLSchema-instance" xmlns:dcterms="http://purl.org/dc/terms/" xsi:schemaLocation="http://www.loc.gov/MARC21/slim http://www.loc.gov/standards/marcxml/schema/MARC21slim.xsd">
<leader>00925njm 22002777a 4500</leader>
<datafield tag="042" ind1=" " ind2=" ">
<subfield code="a">dc</subfield>
</datafield>
<datafield tag="720" ind1=" " ind2=" ">
<subfield code="a">González Diez, Sergio</subfield>
<subfield code="e">author</subfield>
</datafield>
<datafield tag="260" ind1=" " ind2=" ">
<subfield code="c">2019</subfield>
</datafield>
<datafield tag="520" ind1=" " ind2=" ">
<subfield code="a">El objetivo de este Trabajo Fin de Grado es la implementación de una red neuronal artificial capaz de realizar la segmentación semántica de distintos cultivos a partir de imágenes satelitales. La red tiene que extraer características y patrones para segmentar imágenes satelitales en cualquier época del año y de cualquier tipo de cultivo o vegetación.&#xd;
Primero, se proporcionará una base teórica del aprendizaje automático, centrándose en aprendizaje profundo, en particular, profundizando en redes convolucionales, especialmente útiles en la clasificación de imágenes. A continuación, se explicarán los métodos tradicionales en la clasificación de cultivos, enfatizando en la técnica de aprendizaje automático actualmente utilizada por el Instituto Tecnológico de Castilla y León. Después de este análisis, se describirán las decisiones tomadas en el pre procesamiento de los datos, justificando cada una de ellas. Finalmente, se presentarán los resultados, terminando exponiendo las conclusiones y líneas futuras de trabajo, a partir de este Trabajo de Fin de Grado.</subfield>
</datafield>
<datafield tag="520" ind1=" " ind2=" ">
<subfield code="a">The main objective of this Master Thesis is the implementation of an artificial neural&#xd;
network, which is able to perform the semantic segmentation of different crops from&#xd;
satellite images. The network has to extract characteristics and patterns to segment&#xd;
satellite images in any type of crop or vegetation at any stage of the year.&#xd;
First of all, a theoretical basis of machine learning is provided. It is focused on deep&#xd;
learning, specifically in deepening in convolutional networks, which are useful in&#xd;
classifying images. Next, the traditional methods in crop classification will be&#xd;
explained, emphasizing in the technique of machine learning currently used by the&#xd;
Technological Institute of Castilla y León. After this analysis, the decisions made in the&#xd;
preprocessing of the data will be described and each of them will be justified. Finally,&#xd;
the results will be presented, the conclusions will be exposed upon completion and&#xd;
ending with a proposal of future research lines.</subfield>
</datafield>
<datafield tag="024" ind2=" " ind1="8">
<subfield code="a">http://uvadoc.uva.es/handle/10324/38792</subfield>
</datafield>
<datafield tag="245" ind1="0" ind2="0">
<subfield code="a">Evaluación del uso de redes neuronales convolucionales para clasificación de cultivos mediante imagen multiespectral</subfield>
</datafield>
</record></metadata></record></GetRecord></OAI-PMH>