SciELO - Scientific Electronic Library Online

 
vol.11 número22Análisis comparativo de normativas arquitectónicas en estaciones de bomberos de Chile, Colombia, Venezuela y PerúCognición encarnada. El dibujo sensible como técnica de reconocimiento del espacio arquitectónico índice de autoresíndice de materiabúsqueda de artículos
Home Pagelista alfabética de revistas  

Servicios Personalizados

Revista

Articulo

Indicadores

Links relacionados

  • No hay articulos similaresSimilares en SciELO

Compartir


Estoa. Revista de la Facultad de Arquitectura y Urbanismo de la Universidad de Cuenca

versión On-line ISSN 1390-9274versión impresa ISSN 1390-7263

Resumen

ALACAM, Sema; KARADAG, Ilker  y  GUZELCI, Orkan Zeynel. Transferencia recíproca de información y estilo entre los mapas históricos de Estambul de Pervititch y las vistas satelitales mediante el aprendizaje automático. Estoa [online]. 2022, vol.11, n.22, pp.97-113. ISSN 1390-9274.  https://doi.org/10.18537/est.v011.n022.a06.

Los mapas históricos contienen datos importantes sobre el carácter cultural, social y urbano de las ciudades. La mayoría de los mapas históricos utilizan notaciones específicas que difieren de los mapas de uso común en la actualidad. Por lo tanto, la conversión de datos de mapas históricos a formatos de mapas recientes puede considerarse una actividad que requiere mucha mano de obra. Este artículo tiene como objetivo exponer cómo se puede utilizar una técnica de aprendizaje automático (machine learning), para transformar mapas antiguos de Estambul en datos espaciales que simulan vistas de satélite modernas (SVs) a través de un marco de trabajo de mapas recíprocos. Con este objetivo, se utilizan los mapas de Estambul de Jacques Pervititch (IPMs) de 1922-1945 y las vistas de satélite actuales para probar y evaluar el marco propuesto. El estudio consta de dos etapas: (i) el estilo y la transferencia de información de IPMs a SVs, (ii) de SVs a IPMs con CycleGAN (un tipo de red adversarial generativa). Los resultados iniciales muestran que el marco de trabajo propuesto puede trasladar atributos tales como áreas verdes, técnicas y materiales constructivos, y etiquetas.

Palabras clave : mapas de Estambul de Pervititch; inteligencia artificial; aprendizaje automático; segmentación semántica; CycleGAN.

        · resumen en Inglés     · texto en Español     · Español ( pdf )