Object and Scene Classification: what does a Supervised Approach Provide us?

Given a set of images of scenes containing different object categories (e.g. grass, roads) our objective is to discover these objects in each image, and to use this object occurrences to perform a scene classification (e.g. beach scene, mountain scene). We achieve this by using a supervised learning algorithm able to learn with few images to facilitate the user task. We use a probabilistic model to recognise the objects and further we classify the scene based on their object occurrences. Experimental results are shown and evaluated to prove the validity of our proposal. Object recognition performance is compared to the approaches of He et al. (2004) and Marti et al. (2001) using their own datasets. Furthermore an unsupervised method is implemented in order to evaluate the advantages and disadvantages of our supervised classification approach versus an unsupervised one

Los Mapas de riesgo de inundaciones: representación de la vulnerabilidad y aportación de las innovaciones tecnológicas

Los mapas de riesgo de inundaciones deberían mostrar las inundaciones en relación con los impactos potenciales que éstas pueden llegar a producir en personas, bienes y actividades. Por ello, es preciso añadir el concepto de vulnerabilidad al mero estudio del fenómeno físico. Así pues, los mapas de riesgo de daños por inundación son los verdaderos mapas de riesgo, ya que se elaboran, por una parte, a partir de cartografía que localiza y caracteriza el fenómeno físico de las inundaciones, y, por la otra, a partir de cartografía que localiza y caracteriza los elementos expuestos. El uso de las llamadas «nuevas tecnologías», como los SIG, la percepción remota, los sensores hidrológicos o Internet, representa un potencial de gran valor para el desarrollo de los mapas de riesgo de inundaciones, que es, hoy por hoy, un campo abierto a la investigación