Open Access
Creación de ensembles utilizando técnicas de Bagging para mejorar el rendimiento de sistemas de clasificación basados en reglas difusas
(2017) Sesma Redín, Rubén; Sanz Delgado, José Antonio; Escuela Técnica Superior de Ingenieros Industriales y de Telecomunicación; Telekomunikazio eta Industria Ingeniarien Goi Mailako Eskola Teknikoa
En la denominada sociedad de la información y del conocimiento en la que vivimos, existen gran cantidad de datos que deben ser tratados y almacenados adecuadamente. Actualmente éstos se almacenan principalmente en Bases de datos y Datawarehouses aunque existen otros tipos de almacenes de información. En esta situación, el progreso y la innovación no se ven obstaculizados por la capacidad de almacenar y recopilar datos, sino por la capacidad de gestionar, analizar, visualizar, y descubrir conocimiento de estos datos recopilados de manera oportuna y de forma escalable
Open Access
Segmentación semántica de imágenes satelitales en grandes aglomeraciones urbanas
(2019) Sesma Redín, Rubén; Galar Idoate, Mikel; Escuela Técnica Superior de Ingenieros Industriales y de Telecomunicación; Telekomunikazio eta Industria Ingeniarien Goi Mailako Eskola Teknikoa
Los objetivos de este Trabajo Fin de Máster son implementar una herramienta para la creación de datasets satelitales (SIWUAC) e implementar, desarrollar y estudiar experimentalmente sobre redes neuronales para la segmentación semántica de imágenes satelitales. En este trabajo presentamos SIWUAC (Sentinel Images With Urban Atlas Classifications), una herramienta que automatiza el proceso que se encarga de la descarga y el pre-procesado necesario de las imágenes de la misión Sentinel-2, hasta la creación de conjuntos de imágenes etiquetadas a nivel de pixel empleando la información de Urban Atlas. La herramienta permite construir conjuntos de imágenes satelitales personalizados en base a diferentes parámetros, organizados por ciudades y adaptados para alimentar redes neuronales de segmentación semántica. Esta herramienta nos permitirá entrenar redes neuronales capacitadas para clasificar zonas que actualmente no están etiquetadas en Urban Atlas y podría ayudar a crear un Urban Atlas futuro más actualizado.
Open Access
Gertakari errepresiboak kuantifikatzea: Nafarroako Memoria Historikoaren Dokumentu Funtsaren azalpena eta erronkak
(2019) Majuelo Gil, Emilio; Mendiola Gonzalo, Fernando; Garmendia Amutxastegi, Gotzon; Piérola Narvarte, Gemma; García Funes, Juan Carlos; Yániz Berrio, Edurne; Pérez Ibarrola, Nerea; Barrenechea Tartas, Edurne; Rodríguez Martínez, Iosu; Sesma Redín, Rubén; Bustince Sola, Humberto; Ciencias Humanas y de la Educación; Giza eta Hezkuntza Zientziak; Estadística, Informática y Matemáticas; Estatistika, Informatika eta Matematika
En este documento se presentan los fundamentos historiográficos y metodológicos de la base de datos del Fondo Documental de la Memoria Histórica en Navarra, desarrollada en la Universidad Pública de Navarra como consecuencia del encargo institucional realizado por el Parlamento y el Gobierno de Navarra. Con este fin, se ha procedido a elaboraruna base de datos que permita una ágil consulta por parte de diferentes agentes sociales, institucionales y académicos en torno a la represión franquista, intentando incluir en ella la gran variedad de prácticas represivas que la historiografía ha ido identificando. Primeramente, se presenta un balance sobre la publicación, en los últimos años, de diferentes bases de datos on-line en torno a las víctimas de la guerra civil y la represión franquista en varias comunidades autónomas. A continuación, se presenta la unidad de análisis de nuestra base de datos, “los hechos represivos”, insertándola en el contexto historiográfico en torno a la represión franquista y los estudios sobre la violencia. En un tercer apartado pasamos a describir las diferentes categorías y subcategorías represivas en las que se enmarcan los hechos represivos, y finalmente se presentan algunas características técnicas de la organización interna de la información y el software de la base de datos.
Open Access
Quantifying repressive acts: explanation and challenges of the documentary archive of historical memory in Navarre
(2019) Majuelo Gil, Emilio; Mendiola Gonzalo, Fernando; Garmendia Amutxastegi, Gotzon; Piérola Narvarte, Gemma; García Funes, Juan Carlos; Yániz Berrio, Edurne; Pérez Ibarrola, Nerea; Barrenechea Tartas, Edurne; Rodríguez Martínez, Iosu; Sesma Redín, Rubén; Bustince Sola, Humberto; Ciencias Humanas y de la Educación; Giza eta Hezkuntza Zientziak; Estadística, Informática y Matemáticas; Estatistika, Informatika eta Matematika
This document presents the historiographical and methodological foundations of the database of the Documentary Archive of Historical Memory in Navarre, which was developed in the Public University of Navarre following a commission from the Parliament and Government of Navarre. For this purpose a database was elaborated on the Francoist repression with the aim of including the great variety of repressive practices that historiography has identified. This database can be swiftly and easily consulted by the different social, institutional and academic agents. In the first place, the present document provides an assessment of the publication in several autonomous communities in recent years of different online databases on the victims of the civil war and the Francoist repression. Next, it introduces the unit of analysis of our database, “repressive acts”, which it inserts in the historiographical context of the Francoist repression and studies on violence. In the third section, a description is given of the different repressive categories and subcategories in which the repressive acts are framed. Finally, it presents some technical characteristics of the database’s internal organization and software.
Open Access
Cuantificar los hechos represivos: explicación y retos de la base de datos del fondo documental de la memoria histórica en Navarra
(2019) Majuelo Gil, Emilio; Mendiola Gonzalo, Fernando; Garmendia Amutxastegi, Gotzon; Piérola Narvarte, Gemma; García Funes, Juan Carlos; Yániz Berrio, Edurne; Pérez Ibarrola, Nerea; Barrenechea Tartas, Edurne; Rodríguez Martínez, Iosu; Sesma Redín, Rubén; Bustince Sola, Humberto; Ciencias Humanas y de la Educación; Giza eta Hezkuntza Zientziak; Estadística, Informática y Matemáticas; Estatistika, Informatika eta Matematika
En este documento se presentan los fundamentos historiográficos y metodológicos de la base de datos del Fondo Documental de la Memoria Histórica en Navarra, desarrollada en la Universidad Pública de Navarra como consecuencia del encargo institucional realizado por el Parlamento y el Gobierno de Navarra. Con este fin, se ha procedido a elaborar una base de datos que permita una ágil consulta por parte de diferentes agentes sociales, institucionales y académicos en torno a la represión franquista, intentando incluir en ella la gran variedad de prácticas represivas que la historiografía ha ido identificando. Primeramente, se presenta un balance sobre la publicación, en los últimos años, de diferentes bases de datos on-line en torno a las víctimas de la guerra civil y la represión franquista en varias comunidades autónomas. A continuación, se presenta la unidad de análisis de nuestra base de datos, “los hechos represivos”, insertándola en el contexto historiográfico en torno a la represión franquista y los estudios sobre la violencia. En un tercer apartado pasamos a describir las diferentes categorías y subcategorías represivas en las que se enmarcan los hechos represivos, y finalmente se presentan algunas características técnicas de la organización interna de la información y el sofware de la base de datos.
Open Access
Super-resolution for Sentinel-2 images
(International Society for Photogrammetry and Remote Sensing, 2019) Galar Idoate, Mikel; Sesma Redín, Rubén; Ayala Lauroba, Christian; Aranda, Carlos; Institute of Smart Cities - ISC
Obtaining Sentinel-2 imagery of higher spatial resolution than the native bands while ensuring that output imagery preserves the original radiometry has become a key issue since the deployment of Sentinel-2 satellites. Several studies have been carried out on the upsampling of 20m and 60m Sentinel-2 bands to 10 meters resolution taking advantage of 10m bands. However, how to super-resolve 10m bands to higher resolutions is still an open problem. Recently, deep learning-based techniques has become a de facto standard for single-image super-resolution. The problem is that neural network learning for super-resolution requires image pairs at both the original resolution (10m in Sentinel-2) and the target resolution (e.g., 5m or 2.5m). Since there is no way to obtain higher resolution images for Sentinel-2, we propose to consider images from others sensors having the greatest similarity in terms of spectral bands, which will be appropriately pre-processed. These images, together with Sentinel-2 images, will form our training set. We carry out several experiments using state-of-the-art Convolutional Neural Networks for single-image super-resolution showing that this methodology is a first step toward greater spatial resolution of Sentinel-2 images.