La detección y clasificación de grandes estructuras consiste en detectar e identificar el tipo de estructura, diferenciando entre plataformas marinas y molinos de viento. La automatización de esta tarea es importante tanto para la seguridad marítima como medio ambiental. Esto implica una considerable reducción del tiempo y costesnecesarios para el análisis y tratado de imágenes que cubren gran cantidad de terreno, permitiendo una toma de decisiones rápida y eficiente.
Entrada y características del modelo
El modelo para la detección emplea imágenes SAR-IW (Synthetic Aperture Radar – Adquisition mode Interferometric Wide, de 10m/px), e imágenes Electro ópticas MR (Medium Resolution), buscando apoyarse en los detalles más genereales y estructurales; para diferenciar entre clases que de por sí son muy dispares entre sí.
En SEDA se ha implementado un modelo basado en redes neuronales convolucionales (CNN) para segmentar en 3 clases diferentes, entre las que anteriormente mencionadas se le añade «barco», entrenado con imágenes combinadas de distintos datasets de diferentes zonas de interés; los modelos de entrenados con imágenes de media resolución suelen ser especialmente dependientes de la localización de las mismas, requiriendo en ocasiones reentrenos para un correcto funcionamiento en zonas con terrenos completamente diferentes.
Salidas del modelo
SEDA procesa automáticamente la salida de la red neuronal CNN, mostrando los resultados de las detecciones en cajas (BB) superpuestas en un visor GIS. También, desde SEDA se proporcionan los resultados en formatos como shapefiles, KML y NVG; además de otros tipos de formatos oficiales utilizados en el entorno OTAN, como ISRSPOTREP y RECCEXREP. Se facilita también la imagen analizada convertida a NSIF, formato diseñado para el intercambio de imágenes y datos relacionados en entornos de defensa e inteligencia. La versatilidad de estos formatos permite la integración de los resultados de SEDA en otras plataformas y sistemas de análisis geoespacial, tanto civiles como militares.
ES 
EN