MRF para segmentación de cultivos en agritech satelital
Visión general
De qué trata este proyecto.
En equipo de 2-3, recibes 600 mosaicos Sentinel-2 (10m/píxel) con probabilidades por píxel del CNN (4 clases: sano, estrés hídrico, enfermo, suelo) y máscaras de verdad-terreno verificadas en 80 parcelas. Define un MRF con potenciales unarios desde el CNN y potenciales pairwise tipo Potts; haz inferencia con graph-cuts (alpha-expansion). Compara IoU (Intersection over Union) por clase antes y después del MRF y entrega una librería Python reutilizable que la startup pueda intercalar en su pipeline. Éxito = +5 puntos de IoU promedio sobre el CNN solo, y reducción >= 40% de los falsos positivos aislados.
El Briefing
Lo que harás y lo que demostrarás.
Regularizar la salida píxel-a-píxel de un CNN agrícola con un MRF para reducir falsos positivos aislados y mejorar el IoU en bordes.
Earning criteria — what you'll demonstrate
- Formular un MRF (Markov Random Field — campo aleatorio de Markov) sobre rejillas de píxeles
- Aplicar inferencia aproximada eficiente (graph-cuts, alpha-expansion)
- Evaluar mejoras de segmentación con métricas espacialmente sensibles
- Integrar un componente probabilístico clásico en un pipeline moderno de deep learning
Encaje académico
Dónde encaja esto en tus estudios.
Afina las mismas habilidades que tu titulación espera de ti.
Habilidades
Habilidades que demostrarás.
Cada una aparece en tu credencial verificada.
Carreras
Roles para los que esto te prepara.
Títulos reales. Puentes de habilidades reales. Elige el que más se acerque a tu trayectoria.
Trayectorias profesionales que esto construye
Roles canónicosCientífico/a Aplicado/a de IA
Combinar un modelo clásico (MRF) con un componente deep para resolver un fallo concreto de cliente y empaquetarlo como librería es la rutina del applied AI scientist en startups verticales.
Este proyecto afina
- markov-random-fields
- image-segmentation
- model-evaluation
Ingeniero/a de Visión por Computador
Trabajar con datos geoespaciales y métricas IoU sensibles a bordes es exactamente el día a día de un CV engineer en agritech y observación de la Tierra.
Este proyecto afina
- image-segmentation
- geospatial-data
- python
Ingeniero/a de Machine Learning
Empaquetar un componente probabilístico como librería integrable en un pipeline de producción demuestra la disciplina de software esperada de un MLE.
Este proyecto afina
- python
- probabilistic-inference
- model-evaluation