Este artículo describe un pipeline GIS diseñado para producir de forma semi-automática conjuntos de datos GeoAI a partir de imágenes aéreas obtenidas con drones. A medida que el uso de imágenes de drones se ha vuelto más accesible, estas imágenes ofrecen una fuente valiosa para aplicaciones de inteligencia geoespacial en planificación urbana, logística, monitoreo ambiental y otros campos. El pipeline propuesto permite crear conjuntos de datos de detección y segmentación para modelos de aprendizaje profundo, usando herramientas de GIS para automatizar tareas como la segmentación en chips de imágenes y la creación de máscaras primitivas a partir de datos de OpenStreetMap (OSM).
La metodología incluye técnicas de aumento geométrico y espectral para optimizar el entrenamiento de modelos de visión por computadora, como la rotación y el ajuste de brillo y contraste de las imágenes. Asimismo, se utilizan métodos de fusión de datos para integrar información adicional, como el modelo digital de superficie (DSM) y el índice de vegetación resistente a la atmósfera (VARI), mejorando así la precisión de las máscaras producidas para la segmentación de vehículos y carreteras.
En conclusión, el pipeline GIS simplifica la generación de conjuntos de datos georreferenciados, permitiendo la creación de máscaras de objetos con menor intervención manual y mejorando la precisión en el entrenamiento de modelos de segmentación. Los autores proponen futuras investigaciones para explorar la aplicación de este pipeline en imágenes satelitales y extender su uso a otros tipos de imágenes geoespaciales.