El presente repositorio contiene los scripts desarrollados en el marco del capstone project del Postgrado UB Datascience and Machine Learning ( http://www.ub.edu/datascience/postgraduate/ ) por los estudiantes:
- Jesús de Diego Alarcón
- Lluís Serra Domínguez
Una breve explicación del alcance del proyecto puede encontrarse aquí:Pagina Github Pages
El trabajo está basado en la propuesta especificada en el siguiente challenge: https://www.iarai.ac.at/landslide4sense/
En este repositorio encontrará los siguientes scripts y/o archivos de soporte:
-
Carpeta Testing the dataset:
- Analisis de imágenes.ipynb . El notebook describe un primer análisis de las imágenes utilizadas.
- DEM and slope denoising.ipynb . Este notebook permite realizar el suavizado de la banda del modelo digital del terreno.
- parametros_imagenes.csv . Parámetros de las diferentes imágenes y bandas del juego de datos de training.
-
Carpeta logistic and random forest model
- Raster sampling.ipynb El notebook genera los datos que se utilizarán en los modelos de regresión logística y random forest.
- Logistic Regression and Random Forest classification.ipynb . Modelo de regresión logística y Random Forest ( Este notebook está implementado en R).
- data_extraction.zip . Resultado del notebook "Raster Sampling" que es utilizado como input en "Logistic Regresion and Random Forest classification".
-
Carpeta Deep Learning
- UNET model.ipynb . Implementación de un modelo secuencial y otro basado en una red convolucional U-Net
Cada uno de los ficheros incluidos en el repositorio puede ser ejecutado de forma independiente. Sin embargo, será necesario actualizar la ubicación del juego de datos de entrenamiento. Este puede descargarse de: Training data