Cambios

              
    

          
          
        
        

            
f
1
{
f
1
{
            
2
  "author": "J Paredes-Tavares, R Lopez-Farias, SI Valdez, HS 
2
  "author": "J Paredes-Tavares, R Lopez-Farias, SI Valdez, HS 
            
3
Lamphar", 
3
Lamphar", 
            
4
  "author_email": null, 
4
  "author_email": null, 
            
5
  "creator_user_id": "a3da3ec9-3fd4-47a4-8d04-0a90b09614e0", 
5
  "creator_user_id": "a3da3ec9-3fd4-47a4-8d04-0a90b09614e0", 
            
6
  "extras": [
6
  "extras": [
            
7
    {
7
    {
            
8
      "key": "Publicaci\u00f3n", 
8
      "key": "Publicaci\u00f3n", 
            
9
      "value": "Conferencia"
9
      "value": "Conferencia"
            
10
    }, 
10
    }, 
            
11
    {
11
    {
            
12
      "key": "Tipo", 
12
      "key": "Tipo", 
            
13
      "value": "Publicaci\u00f3n"
13
      "value": "Publicaci\u00f3n"
            
14
    }
14
    }
            
15
  ], 
15
  ], 
            
16
  "groups": [
16
  "groups": [
            
17
    {
17
    {
            
18
      "description": "Este grupo integra las publicaciones 
18
      "description": "Este grupo integra las publicaciones 
            
19
acad\u00e9micas derivadas de los proyectos de investigaci\u00f3n del 
19
acad\u00e9micas derivadas de los proyectos de investigaci\u00f3n del 
            
20
Observatorio Metropolitano CentroGeo. Incluye art\u00edculos 
20
Observatorio Metropolitano CentroGeo. Incluye art\u00edculos 
            
21
presentados en congresos nacionales e internacionales, manuscritos en 
21
presentados en congresos nacionales e internacionales, manuscritos en 
            
22
formato preprint, cap\u00edtulos de libro y trabajos publicados en 
22
formato preprint, cap\u00edtulos de libro y trabajos publicados en 
            
23
revistas cient\u00edficas especializadas. Estos materiales reflejan la 
23
revistas cient\u00edficas especializadas. Estos materiales reflejan la 
            
24
labor de investigaci\u00f3n, desarrollo metodol\u00f3gico y 
24
labor de investigaci\u00f3n, desarrollo metodol\u00f3gico y 
            
25
an\u00e1lisis territorial del observatorio, contribuyendo al avance 
25
an\u00e1lisis territorial del observatorio, contribuyendo al avance 
            
26
del conocimiento en temas urbanos, metropolitanos y geoespaciales.", 
26
del conocimiento en temas urbanos, metropolitanos y geoespaciales.", 
            
27
      "display_name": "Publicaciones", 
27
      "display_name": "Publicaciones", 
            
28
      "id": "a15a6b77-ddf5-4594-acab-7e772938a5b0", 
28
      "id": "a15a6b77-ddf5-4594-acab-7e772938a5b0", 
            
29
      "image_display_url": "", 
29
      "image_display_url": "", 
            
30
      "name": "publicaciones", 
30
      "name": "publicaciones", 
            
31
      "title": "Publicaciones"
31
      "title": "Publicaciones"
            
32
    }
32
    }
            
33
  ], 
33
  ], 
            
34
  "id": "7b534f72-99f5-46d9-8797-abb933c36291", 
34
  "id": "7b534f72-99f5-46d9-8797-abb933c36291", 
            
35
  "isopen": false, 
35
  "isopen": false, 
            
36
  "license_id": null, 
36
  "license_id": null, 
            
37
  "license_title": null, 
37
  "license_title": null, 
            
38
  "maintainer": null, 
38
  "maintainer": null, 
            
39
  "maintainer_email": null, 
39
  "maintainer_email": null, 
            
40
  "metadata_created": "2025-10-11T01:22:55.772281", 
40
  "metadata_created": "2025-10-11T01:22:55.772281", 
            
n
41
  "metadata_modified": "2025-10-11T01:22:55.772290", 
n
41
  "metadata_modified": "2025-10-11T01:22:56.228961", 
            
42
  "name": 
42
  "name": 
            
43
sing-convolutional-neural-network-and-a-geomorphons-map-c2eaff066675", 
43
sing-convolutional-neural-network-and-a-geomorphons-map-c2eaff066675", 
            
44
  "notes": "Geomorphological classification serves as a valuable tool 
44
  "notes": "Geomorphological classification serves as a valuable tool 
            
45
for comprehending the origin and evolution of landscapes, as well as 
45
for comprehending the origin and evolution of landscapes, as well as 
            
46
for making informed decisions regarding environmental hazard 
46
for making informed decisions regarding environmental hazard 
            
47
mitigation and sustainable development. However, the process of 
47
mitigation and sustainable development. However, the process of 
            
48
classifying landforms is typically time-consuming and necessitates 
48
classifying landforms is typically time-consuming and necessitates 
            
49
specialized expertise. This research article presents a novel approach 
49
specialized expertise. This research article presents a novel approach 
            
50
that utilizes a convolutional neural network (CNN) to classify 
50
that utilizes a convolutional neural network (CNN) to classify 
            
51
valleys. The methodology involves employing an initial classification 
51
valleys. The methodology involves employing an initial classification 
            
52
generated by an unsupervised geomorphons classifier as input data, 
52
generated by an unsupervised geomorphons classifier as input data, 
            
53
which is subsequently refined using human-generated ground truth. In 
53
which is subsequently refined using human-generated ground truth. In 
            
54
contrast with the original geomorphons method, this novel method 
54
contrast with the original geomorphons method, this novel method 
            
55
enhances spatial coherence by effectively connecting pixels classified 
55
enhances spatial coherence by effectively connecting pixels classified 
            
56
as valleys. The results show that the proposed CNN-based method 
56
as valleys. The results show that the proposed CNN-based method 
            
57
significantly enhances the accuracy of the classification. We are 
57
significantly enhances the accuracy of the classification. We are 
            
58
confident our approach is competitive according to the Total Operating 
58
confident our approach is competitive according to the Total Operating 
            
59
Characteristic (TOC) curve as well as classification metrics.", 
59
Characteristic (TOC) curve as well as classification metrics.", 
            
n
60
  "num_resources": 0, 
n
60
  "num_resources": 1, 
            
61
  "num_tags": 5, 
61
  "num_tags": 5, 
            
62
  "organization": {
62
  "organization": {
            
63
    "approval_status": "approved", 
63
    "approval_status": "approved", 
            
64
    "created": "2022-05-19T00:10:30.480393", 
64
    "created": "2022-05-19T00:10:30.480393", 
            
65
    "description": "Observatorio Metropolitano CentroGeo", 
65
    "description": "Observatorio Metropolitano CentroGeo", 
            
66
    "id": "b3b3a79d-748a-4464-9471-732b6c74ec53", 
66
    "id": "b3b3a79d-748a-4464-9471-732b6c74ec53", 
            
67
    "image_url": 
67
    "image_url": 
            
68
"2022-05-19-001030.456616FullColor1280x1024LogoOnly.png", 
68
"2022-05-19-001030.456616FullColor1280x1024LogoOnly.png", 
            
69
    "is_organization": true, 
69
    "is_organization": true, 
            
70
    "name": "observatorio-metropolitano-centrogeo", 
70
    "name": "observatorio-metropolitano-centrogeo", 
            
71
    "state": "active", 
71
    "state": "active", 
            
72
    "title": "Observatorio Metropolitano CentroGeo", 
72
    "title": "Observatorio Metropolitano CentroGeo", 
            
73
    "type": "organization"
73
    "type": "organization"
            
74
  }, 
74
  }, 
            
75
  "owner_org": "b3b3a79d-748a-4464-9471-732b6c74ec53", 
75
  "owner_org": "b3b3a79d-748a-4464-9471-732b6c74ec53", 
            
76
  "private": false, 
76
  "private": false, 
            
77
  "relationships_as_object": [], 
77
  "relationships_as_object": [], 
            
78
  "relationships_as_subject": [], 
78
  "relationships_as_subject": [], 
            
t
79
  "resources": [], 
t
79
  "resources": [
            
80
    {
            
81
      "cache_last_updated": null, 
            
82
      "cache_url": null, 
            
83
      "created": "2025-10-11T01:22:56.253500", 
            
84
      "datastore_active": false, 
            
85
      "description": "Geomorphological classification serves as a 
            
86
valuable tool for comprehending the origin and evolution of 
            
87
landscapes, as well as for making informed decisions regarding 
            
88
environmental hazard mitigation and sustainable development. However, 
            
89
the process of classifying landforms is typically time-consuming and 
            
90
necessitates specialized expertise. This research article presents a 
            
91
novel approach that utilizes a convolutional neural network (CNN) to 
            
92
classify valleys. The methodology involves employing an initial 
            
93
classification generated by an unsupervised geomorphons classifier as 
            
94
input data, which is subsequently refined using human-generated ground 
            
95
truth. In contrast with the original geomorphons method, this novel 
            
96
method enhances spatial coherence by effectively connecting pixels 
            
97
classified as valleys. The results show that the proposed CNN-based 
            
98
method significantly enhances the accuracy of the classification. We 
            
99
are confident our approach is competitive according to the Total 
            
100
Operating Characteristic (TOC) curve as well as classification 
            
101
metrics.", 
            
102
      "format": "HTML", 
            
103
      "hash": "", 
            
104
      "id": "2e877a0b-5e29-4e4e-8389-4a87489ae57a", 
            
105
      "last_modified": null, 
            
106
      "metadata_modified": "2025-10-11T01:22:56.236075", 
            
107
      "mimetype": null, 
            
108
      "mimetype_inner": null, 
            
109
      "name": "Valley Classification using Convolutional Neural 
            
110
Network and a Geomorphons Map", 
            
111
      "package_id": "7b534f72-99f5-46d9-8797-abb933c36291", 
            
112
      "position": 0, 
            
113
      "resource_type": null, 
            
114
      "size": null, 
            
115
      "state": "active", 
            
116
      "url": "https://doi.org/10.1109/enc60556.2023.10508646", 
            
117
      "url_type": null
            
118
    }
            
119
  ], 
            
80
  "state": "active", 
120
  "state": "active", 
            
81
  "tags": [
121
  "tags": [
            
82
    {
122
    {
            
83
      "display_name": "artificial-intelligence", 
123
      "display_name": "artificial-intelligence", 
            
84
      "id": "47cb06d3-c2a4-42af-b633-03eea6181083", 
124
      "id": "47cb06d3-c2a4-42af-b633-03eea6181083", 
            
85
      "name": "artificial-intelligence", 
125
      "name": "artificial-intelligence", 
            
86
      "state": "active", 
126
      "state": "active", 
            
87
      "vocabulary_id": null
127
      "vocabulary_id": null
            
88
    }, 
128
    }, 
            
89
    {
129
    {
            
90
      "display_name": "artificial-neural-network", 
130
      "display_name": "artificial-neural-network", 
            
91
      "id": "d63d29ea-7b70-4ed5-83cc-66f3b9586c1c", 
131
      "id": "d63d29ea-7b70-4ed5-83cc-66f3b9586c1c", 
            
92
      "name": "artificial-neural-network", 
132
      "name": "artificial-neural-network", 
            
93
      "state": "active", 
133
      "state": "active", 
            
94
      "vocabulary_id": null
134
      "vocabulary_id": null
            
95
    }, 
135
    }, 
            
96
    {
136
    {
            
97
      "display_name": "computer-science", 
137
      "display_name": "computer-science", 
            
98
      "id": "29cae056-cd7e-43f7-be5b-b25869a3fbf2", 
138
      "id": "29cae056-cd7e-43f7-be5b-b25869a3fbf2", 
            
99
      "name": "computer-science", 
139
      "name": "computer-science", 
            
100
      "state": "active", 
140
      "state": "active", 
            
101
      "vocabulary_id": null
141
      "vocabulary_id": null
            
102
    }, 
142
    }, 
            
103
    {
143
    {
            
104
      "display_name": "convolutional-neural-network", 
144
      "display_name": "convolutional-neural-network", 
            
105
      "id": "b08eff8e-b411-4c56-ab0d-3ef47b79699c", 
145
      "id": "b08eff8e-b411-4c56-ab0d-3ef47b79699c", 
            
106
      "name": "convolutional-neural-network", 
146
      "name": "convolutional-neural-network", 
            
107
      "state": "active", 
147
      "state": "active", 
            
108
      "vocabulary_id": null
148
      "vocabulary_id": null
            
109
    }, 
149
    }, 
            
110
    {
150
    {
            
111
      "display_name": "pattern-recognition-psychology", 
151
      "display_name": "pattern-recognition-psychology", 
            
112
      "id": "e3b5294b-7ed6-4637-93c9-eae7d3b94405", 
152
      "id": "e3b5294b-7ed6-4637-93c9-eae7d3b94405", 
            
113
      "name": "pattern-recognition-psychology", 
153
      "name": "pattern-recognition-psychology", 
            
114
      "state": "active", 
154
      "state": "active", 
            
115
      "vocabulary_id": null
155
      "vocabulary_id": null
            
116
    }
156
    }
            
117
  ], 
157
  ], 
            
118
  "title": "Valley Classification using Convolutional Neural Network 
158
  "title": "Valley Classification using Convolutional Neural Network 
            
119
and a Geomorphons Map", 
159
and a Geomorphons Map", 
            
120
  "type": "dataset", 
160
  "type": "dataset", 
            
121
  "url": "https://doi.org/10.1109/enc60556.2023.10508646", 
161
  "url": "https://doi.org/10.1109/enc60556.2023.10508646", 
            
122
  "version": null
162
  "version": null
            
123
}
163
}