Metadata-Version: 2.1
Name: ubigeoaii
Version: 0.2
Summary: Libreria que automatiza la ubicacion espacial de los Bounding Boxes
Home-page: https://github.com/brayancarichi/UbiGeoAI.git
Author: GEOINFORMATICA UACJ
Author-email: brayanmurillogutierrez988@outlook.es
Description-Content-Type: text/markdown
License-File: LICENSE.txt
Requires-Dist: fastai
Requires-Dist: geopandas
Requires-Dist: imutils
Requires-Dist: ipython
Requires-Dist: matplotlib
Requires-Dist: numpy
Requires-Dist: opencv_python
Requires-Dist: opencv_python_headless
Requires-Dist: pandas
Requires-Dist: Pillow
Requires-Dist: rasterio
Requires-Dist: scikit_learn
Requires-Dist: seaborn
Requires-Dist: Shapely
Requires-Dist: skimage
Requires-Dist: supervision
Requires-Dist: tqdm
Requires-Dist: ultralytics

# UbiGeoAI


Serie de funciones que permiten al usuario ubicar espacialmente los Bounding Boxes a partir de archivos georreferenciados (ráster) generando de esta manera, archivos en formato shapefile. Lo que permite hacer análisis en Sistemas de Información Geográfica (SIG).

Si quieres conocer mas de nuestro trabajo visita los siguientes enlaces de LinkedIn:

- https://mx.linkedin.com/in/brayan-murillo-guti%C3%A9rrez-76a2a7281?original_referer=https%3A%2F%2Fwww.google.com%2F

- https://mx.linkedin.com/in/hugo-luis-rojas-villalobos-5918661a4?original_referer=https%3A%2F%2Fwww.google.com%2F

- https://mx.linkedin.com/in/mario-i-uc-c-b85056122

## Instalación

## Creación de carpetas dentro de la ruta donde se implemente la librería  

De manera automática, la librería creará carpetas esenciales para su funcionamiento. Estas carpetas se encontrarán en la dirección del código donde se ejecute la librería. NOTA IMPORTANTE: cada vez que se ejecute la librería se deben de respaldar los resultados ya que estos serán borrados de manera permanente. Las carpetas que se crearán serán las siguientes:

- Predict

- Predict_jpg

- Resultados

- runs  

## Parámetros esenciales de la librería  

- path_raster = ruta del archivo ráster donde se harán las detecciones    

- path_model = ruta del archivo PyTorch generado obtenido mediante Yolo OBB 

- confidence = el valor de confidencia

- output_name = el nombre que se les asignará a los resultados obtenidos

- img_div = tamaño de las matrices generadas a partir de la división del ráster de entrada

## Archivos que se obtienen después de la ejecución de la librería 

Dentro de la carpeta de resultados, tendremos dos resultados. El primero de ellos es un archivo GeoJSON y el otro es un archivo Shapefile.

<img src="Figuras/Resultados 1.png?raw=true" alt="Ejemplo de salida" style="max-width: 500px;">

## Ubicación geográfica de los Bounding Boxes

Los shapefile que se obtienen pueden ser visualizados en un SIG y se pueden hacer análisis con ellos, por ejemplo, análisis de densidad.

<img src="Figuras/Resultados2.png?raw=true" alt="Ejemplo de salida" style="max-width: 500px;">

## Ejemplo de utilización de la librería:
<pre># Se importa la librería 
from ubigeoai import GeoUbicacion
GeoUbicacion(path_raster='Mapa.tif', path_model='best.pt', confidence=0.2, output_name='Deteccion.shp', img_div=540)
</pre>

## Salida

<img src="Resultados3.png?raw=true" alt="Ejemplo de salida" style="max-width: 500px;">
