Evaluación de métodos de segmentación automatizada en ortofotografías del Puerto de Barcelona

Abstract

El objetivo de este trabajo es conocer qué método es el más efectivo para la segmentación de ortoimágenes de alta resolución en el Puerto de Barcelona. Para ello se ha desarrollado el paquete Python apb_spatial_computer_vision que integra herramientas de pirámide de imagen basadas en GDAL con los diferentes sistemas de prompt para el modelo SAM de Meta AI. El producto permite realizar segmentaciones a partir de ficheros vectoriales o prompts texuales, integrando herramientas GroundingDINO y SAMGeo.

osresultadosmuestranunadependenciadelacalidaddelsistemadeprompt.Esespecialmente positivo el uso de un modelo de detección para crearlo. Sin embargo, también son notablemente positivos los resultados vía texto con prompts sencillos. La herramienta es independiente a futuros modelos de detección o segmentación, por lo que puede ser empleada en estudios posteriores.

The aim of this project is to determine which method is most effective for high-resolution orthoimagesegmentationatthePortofBarcelona. Forthispurpose,theapb_spatial_computer_vision Python package has been developed. It integrates GDAL-based image pyramid tools with several prompting systems, specially geared for MetaAI’s SAM model. The product allows for vector f ile-based and text prompt-based segmentation, integrating GroundingDINO and SAMGeo.

The results show a dependence on prompt quality. Detection models have proved to be especially postive for this purpose. Nevertheless, text prompting has also proved notably positive for simple prompts. The tool is independent to future detection or segmentation models, thus being applicable to further research.