Red Neuronal de Regresión para la Estimación de Humedad del Suelo

En los últimos años, la categorización de imágenes utilizando aprendizaje profundo se ha vuelto muy popular, porque puede manejar grandes bases de datos y ha mostrado buenos resultados de reconocimiento. Este documento presenta la red convolucional de valores complejos (CV-CNN) para la estimación de humedad del suelo mediante Radar de Apertura Sintética (SAR). La CV-CNN consiste en general en una capa de entrada de valores reales o complejos, una capa de salida y una o más capas ocultas. Las capas ocultas representan cualquier combinación de capas convolucionales, capas de agrupamiento, funciones de activación, y están completamente definidas dentro del dominio de valores complejos. Este documento propone una Red Neuronal Convolucional (CNN) profunda para la estimación de parámetros de humedad del suelo. Se utilizó una red neuronal convolucional de 9 capas, que consiste en capas convolucionales, de agrupamiento, de abandono, totalmente conectadas y de regresión. Usamos 1000 mediciones en el terreno para cada adquisición de SAR utilizando datos SAR completamente polarimétricos en banda L. Los resultados experimentales fueron verificados utilizando 100 puntos en el suelo.