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.