Una aportación concreta a la actualización catastral

El estudio de Ginebra combina un detector Mask R-CNN con imágenes aéreas y registros catastrales existentes. El modelo genera máscaras de objetos, que se transforman a coordenadas geográficas y se comparan con el registro. La depuración de incoherencias en la referencia elevó el F1 documentado de aproximadamente el 82 % al 90 %.

La revisión especializada estableció el resultado práctico: de 562 objetos potencialmente nuevos, 223 eran piscinas sujetas a registro. Otras 211 eran piscinas que no requerían registro y 128 eran objetos diferentes. La detección automática aporta así indicios concretos para la inspección. Decidir si corresponden al catastro sigue siendo una tarea especializada.

Referencias [1]

Transferencia a otro cantón

Para Turgovia se combinaron anotaciones de referencia de Ginebra y Neuchâtel con imágenes aéreas SWISSIMAGE. Así fue posible aplicar el detector a otro cantón sin digitalizar primero un inventario local completo de entrenamiento. El proceso produjo contornos compatibles con SIG y examinó los efectos de la resolución y de los umbrales de confianza.

El informe también muestra por qué un registro no es una referencia infalible: la fecha de las imágenes, las construcciones posteriores y la distinción entre piscinas y otros depósitos de agua influyen en la comparación. La reproducibilidad del proceso y la revisión especializada documentada son tan relevantes como las métricas de detección.

Referencias [2]

Métodos en detalle
  1. Detectar objetos mediante aprendizaje profundo y convertir sus máscaras en contornos compatibles con SIG.
  2. Transferir modelos y datos de referencia entre cantones y someter las detecciones a revisión especializada.
  3. Investigar métodos específicos de procesamiento y segmentación LiDAR para detectar árboles.

Publicaciones y fuentes

  1. Informe técnicoCerioni & Meyer (2021) · Geneva pool detection
  2. Informe técnicoMeyer & Cerioni (2021) · Thurgau pool detection