Expositor: Sebastián Lara, estudiante Magíster en Informática, UACh

Resumen:

La propuesta de tesis consiste en desarrollar y evaluar la pertinencia de algoritmos basados en técnicas de aprendizaje de imágenes sobre el análisis del paisaje y las percepciones territoriales, evaluando la relevancia de la transferencia de aprendizaje de modelos pre-entrenados en tareas de visión por computadora. Para ello, se aplican técnicas de transferencia de aprendizaje para aprovechar el conocimiento previo y las representaciones aprendidas por los modelos pre-entrenados. Los algoritmos se desarrollan y evalúan utilizando conjuntos de datos de imágenes de incendios forestales comunitarias disponibles en la plataforma de ciencia ciudadana E-ncendio, el cual se enmarca en el proyecto FONDEF ID22I10072. Se han implementado modelos de Redes Neuronales Convolucionales clásicos como, Inception-V3, Densenet, VGG-16, VGG-19 y la Red Neuronal residual ResNet, los que han demostrado ser capaces de identificar elementos visuales que representa objetos presentes en el paisaje sujeto a incendios forestales. Esto permite adaptar los algoritmos para caracterizar el consenso de las comunidades, proporcionando una comprensión territorial de la percepción del riesgo de incendios forestales, así como de los factores relacionados con su prevención, respuesta, mitigación y recuperación.

Biografía:

Sebastián Lara es Ingeniero Civil en Informática de la UACh, actualmente cursando el Magíster en Informática de la UACh.