Resumen Técnico: IGraSS – Aprendizaje para la Identificación de Redes de Infraestructura a partir de Imágenes Satelitales mediante Segmentación Semántica Iterativa con Restricciones de Grafo

1. Planteamiento del Problema

El mapeo preciso de las redes de infraestructura, específicamente de los canales de irrigación, es crítico para la gestión del agua, la planificación de la irrigación y el mantenimiento de la infraestructura. Sin embargo, los procesos de mapeo manual existentes requieren mucha mano de obra, son lentos y a menudo resultan en datos de verdad de terreno (ground truth) ruidosos, incompletos o desactualizados. Si bien la segmentación semántica basada en aprendizaje profundo ha avanzado significativamente para las redes de carreteras, su aplicación a los canales de irrigación se ve obstaculizada por la falta de conjuntos de datos de alta calidad y bien anotados.

Un desafío central identificado es que los modelos estándar de segmentación semántica operan sobre parches de imágenes locales y no logran capturar las propiedades topológicas globales inherentes a las redes de infraestructura, tales como la alcanzabilidad (por ejemplo, cada segmento de canal debe estar conectado a una fuente de agua) o la conectividad. En consecuencia, los modelos entrenados con verdades de terreno incompletas suelen producir salidas fragmentadas, fallando al identificar segmentos de canales desconectados o etiquetando incorrectamente áreas que no son canales.

2. Metodología: El Marco de Trabajo IGraSS

Los autores proponen IGraSS (Segmentación Semántica Iterativa con Restricciones de Grafo), un nuevo marco de trabajo que combina un módulo de segmentación semántica con un módulo de refinamiento de la verdad de terreno basado en grafos. El marco opera de manera iterativa para refinar la verdad de terreno ruidosa y mejorar el rendimiento del modelo.

Componentes Principales

1. Módulo de Segmentación Semántica (El Aprendiz):

   • Procesa parches de imágenes satelitales para predecir los píxeles de los canales.
   • Utiliza datos de entrada multimodales: RGB, NDWI (Índice de Agua de Diferencia Normalizada) y DEM (Modelo Digital de Elevación).
   • Emplea arquitecturas de red (backbones) de vanguardia, incluyendo DeepLabV3+, ResNet50, ResUNet y Swin Transformer.

2. Módulo de Refinamiento de la Verdad de Terreno Basado en Grafos (El Solucionador de Restricciones):

   • Trata toda la red de infraestructura como un grafo $G$ donde los nodos son celdas de cuadrícula (píxeles).
   • Identifica segmentos inalcanzables: Píxeles de canales que están desconectados de fuentes de agua conocidas.
   • Completitud de la Red: Para cada nodo terminal inalcanzable $t$, el algoritmo identifica un grafo local $H_t$ dentro de un radio $\rho$. Luego, calcula un camino más corto ponderado mínimo desde $t$ hasta los nodos de origen alcanzables más cercanos ($S_t$) utilizando el algoritmo de Dijkstra.
   • Etiquetado Pseudo (Pseudo-labeling): Los píxeles a lo largo de los caminos más cortos calculados se asignan como etiquetas positivas (cambiando de no-canal a canal), "llenando los huecos" de manera efectiva en la verdad de terreno.

3. Proceso Iterativo:

   • Iteración 0: El modelo se entrena con la verdad de terreno inicial, potencialmente ruidosa.
   • Iteración $i \ge 1$:
     1. El aprendiz predice la red.
     2. El módulo de refinamiento analiza la salida para identificar terminales inalcanzables.
     3. Se resuelven las instancias de completitud de red para conectar estos terminales con las fuentes.
     4. La verdad de terreno se actualiza con estas nuevas conexiones (pseudo-etiquetas).
     5. El modelo se reentrena con la verdad de terreno refinada para la siguiente iteración.

Métricas de Evaluación

Reconociendo que las métricas convencionales a nivel de píxel (Precisión, Recall, IoU) pueden penalizar a los modelos por desalineaciones espaciales menores en estructuras delgadas (como los canales representados por segmentos de línea), los autores introducen métricas de vecindad r. Estas métricas permiten pequeñas desviaciones espaciales ($r$) entre los píxeles predichos y la verdad de terreno, proporcionando una evaluación más matizada de la precisión estructural.

3. Contribuciones Clave

El artículo describe cinco contribuciones principales:

1. Marco Híbrido: Un enfoque novedoso que combina el aprendizaje con la optimización/satisfacción de restricciones mediante pseudo-etiquetas para imponer propiedades de grafo globales (ej. alcanzabilidad).
2. Métricas Refinadas: La introducción de métricas de vecindad r (r-Precisión, r-Recall, r-IoU, r-F1) para evaluar mejor la segmentación semántica de estructuras delgadas donde la alineación perfecta de píxeles es menos crítica que la continuidad estructural.
3. Identificación de Redes de Canales: Una demostración de la mejora en el rendimiento para la identificación de canales de irrigación mediante el aprovechamiento de las restricciones de alcanzabilidad para corregir la verdad de terreno fragmentada.
4. Generalizabilidad: Una prueba de concepto aplicada a redes de carreteras, utilizando restricciones de distancia por pares para completar grafos de carreteras, demostrando la adaptabilidad del método a diferentes tipos de infraestructura.
5. Recursos Abiertos: La publicación de datos de canales refinados y menos ruidosos para el estado de Washington y el código fuente correspondiente para facilitar investigaciones futuras.

4. Resultados Experimentales

El marco fue evaluado en un conjunto de datos de 30,000 parches del centro de Washington (RGB, NDWI, DEM) y un conjunto de datos de la red de carreteras de la ciudad de Nueva York.

Rendimiento en Redes de Canales

• Impacto del Refinamiento: Entrenar modelos con la verdad de terreno refinada generada por IGraSS superó significativamente a los modelos base entrenados con los datos originales.
  • Para el modelo Swin Transformer, el uso de IGraSS mejoró la Precisión de 0.775 a 0.820 (+5.8%), el Recall de 0.765 a 0.810 (+5.2%) y el F1-score de 0.770 a 0.815 (+5.8%) en el Conjunto de Prueba 1.
  • Se observaron mejoras similares (aprox. 5-10%) en los modelos DeepLabV3+ y ResUNet.
• Completitud de la Red: El proceso iterativo logró reducir el porcentaje de segmentos de canales inalcanzables del 18% al 3%.
• Entrada Multimodal: La inclusión de NDWI y DEM junto con RGB produjo los mejores resultados. Agregar NDWI mejoró el rendimiento en un 35-40%, mientras que agregar DEM contribuyó con un 10-20% adicional. La combinación de las tres modalidades proporcionó el mayor impulso (45-50% sobre las bases de solo RGB).

Ablación y Sensibilidad de Parámetros

• Parámetros: El rendimiento del marco es sensible al umbral de confianza ($\alpha$) y al radio ($\rho$). Un $\alpha$ más bajo (ej. 0.01) con menos épocas redujo los canales inalcanzables pero introdujo ruido, mientras que un $\alpha$ moderado (ej. 0.1) con más épocas de entrenamiento produjo resultados más limpios.
• Generalizabilidad: El enfoque se adaptó con éxito a las redes de carreteras, demostrando que las restricciones de teoría de grafos pueden completar eficazmente los mapas de infraestructura en diferentes dominios.

5. Significado y Reivindicaciones

Los autores posicionan a IGraSS como un marco robusto para abordar los desafíos específicos del mapeo de infraestructura donde la verdad de terreno es a menudo incompleta o ruidosa.

• Abordar la Escasez de Datos: El artículo afirma que IGraSS aprovecha eficazmente las propiedades a nivel de grafo (alcanzabilidad, conectividad) para mejorar la verdad de terreno existente e imperfecta, reduciendo así la dependencia de conjuntos de datos perfectamente anotados.
• Desarrollo Sostenible: Al permitir el mapeo automatizado y preciso de los canales, este trabajo apoya la conservación del agua y la modernización de la infraestructura, alineándose con el Objetivo de Desarrollo Sostenible 12 de la ONU (Producción y Consumo Responsables).
• Avance Metodológico: El artículo argumenta que integrar restricciones globales en el bucle de entrenamiento mediante el refinamiento iterativo es un enfoque superior al aprendizaje supervisado estándar para problemas topológicos, superando a los métodos que dependen únicamente de decisiones locales por parches o heurísticas de post-procesamiento.

Los autores mantienen una postura modesta, señalando que, si bien el marco mejora significamente la conectividad, algunos segmentos inalcanzables permanecen debido a la ausencia de canales visibles o fuentes de agua dentro del radio definido en las imágenes, resaltando los límites de la teledetección en ciertas condiciones.