Jefersson dos Santos
Ciência da Computação
Desde a antiguidade, a criação de mapas esteve na fronteira entre arte e ciência, exploração e catalogação, aventura e raciocínio. Criar mapas digitais não é muito diferente, como mostra o projeto do cientista da computação Jefersson dos Santos. Situado na próspera fronteira entre o aprendizado de máquina e a geografia, o cientista busca dar mais robustez aos processos de algoritmos que classificam imagens feitas por satélites como etapa na elaboração de mapas digitais.
Apaixonado por geografia, Santos é cientista da computação pela Universidade Estadual de Mato Grosso do Sul e mestre pela Universidade de Campinas, onde também fez seu doutorado. Nesta etapa da formação ainda passou pela Université de Cergy-Pontoise, França. Tendo sempre como foco a interdisciplinaridade, ele fundou e é coordenador do Laboratório de Reconhecimento de Padrões e Observação da Terra (PATREO), na Universidade Federal de Minas Gerais, onde atualmente é docente.
Seu projeto é promissor no monitoramento das condições de habitação urbana e sua relação com a dengue, mas também no mapeamento de estradas rurais. Sul-mato-grossense, Santos é casado com uma paulista doutora em linguística e, hoje, os dois são pais de um casal de mineirinhos. Palmeirense, ele define a computação como sua vocação e a paixão pela geografia e pelas bandeiras como um hobby.
Projetos
A criação de mapas geográficos por meio de imagens de satélite geralmente é modelada como um problema de classificação supervisionada. Isto é, algoritmos são treinados para identificar padrões de interesse a partir de pixels anotados (amostras). Apesar dos avanços obtidos por técnicas baseadas em deep learning, vários desafios computacionais ficam evidentes quando os modelos são empregados em aplicações que contém desbalanceamento/sub-representação de classes e presença de pixels de classes desconhecidas durante a fase de predição. Além disso, a anotação de pixels é onerosa e geralmente depende de usuários experientes na aplicação-alvo, impondo restrições ao volume de dados anotados.
O objetivo do projeto é enfrentar estes desafios computacionais visando aumentar a robustez dos modelos obtidos. As técnicas desenvolvidas serão avaliadas em problemas reais que incluem: o mapeamento de estradas rurais; e o monitoramento das condições de habitação urbana e sua relação com focos de dengue.
Recursos investidos
Instituições
- Universidade Federal de Minas Gerais
O objetivo deste projeto é validar e expandir o uso de modelos de aprendizado de máquina e visão computacional desenvolvidos pelo projeto WildPixels para mapear áreas de alto risco de infestação de mosquitos em Campinas. Esses modelos serão testados com dados de Salvador, Bahia, e Luanda, Angola, para superar o desafio do deslocamento de domínio e criar um arcabouço robusto de mapeamento de risco em larga escala. Isso apoiará a vigilância e o controle de arboviroses, como dengue, febre amarela, chikungunya e Zika, ajudando na predição, prevenção e controle de futuras epidemias.
