SIDOF · Detector de ocupaciones irregulares

Clasifica imágenes satelitales cenitales: toma / campamento (vivienda precaria, sin trazado vial formal) frente a todo lo demás.

Pegue una imagen con Ctrl+V, arrástrela aquí o haga clic para elegirla

Indique abajo la escala de la captura. Lo ideal es una vista que muestre varias manzanas (zoom 17 a 19), no casas individuales: el modelo distingue una toma por su entorno (trazado, densidad, materiales).

Modo Escala de la imagen Ancho real m Sector 256 px Contexto Prevalencia 30 %

Cargando modelo…

Dónde mira el modelo (Grad-CAM, ResNet50)

Puntaje del modelo

–

Precisión estimada

–

Acuerdo entre modelos

–

Estabilidad (rotaciones/volteos)

–

¿Cómo leer estos números?

Puntaje: salida del modelo (0 a 1). Se alerta cuando supera el umbral (línea vertical).

Contexto: el umbral depende de cuán probable es de antemano que haya una toma. Al verificar un sitio sospechoso (~30 %) basta menos evidencia que al barrer una zona amplia (~5 %), donde casi todo es ciudad o campo. En ambos casos el umbral se elige con los datos de validación para mantener una precisión ≥ 90 %.

Precisión estimada: de los sectores de validación (comunas que el modelo no vio al entrenar) con un puntaje igual o mayor, qué fracción eran tomas reales, ajustado a la prevalencia elegida. Si no hay alerta, se muestra la confiabilidad del descarte: de los sectores con puntaje igual o menor, qué fracción no eran tomas.

Acuerdo: si ResNet50 y ConvNeXt quedan del mismo lado del umbral. Estabilidad: dispersión del puntaje al rotar y voltear la imagen (8 vistas por modelo). Si es alta, la decisión es frágil.

Certeza: alta si la precisión estimada es ≥ 90 %, los modelos coinciden y el puntaje es estable; baja si los modelos discrepan, el puntaje es inestable o la precisión es < 70 %. Con puntajes extremos hay pocos casos de validación para comparar; ahí se muestra una cota inferior (≥) y basta con que sea ≥ 85 %.

El modelo entrega una alerta visual: no determina la legalidad ni la propiedad del terreno.