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. 

Chamadas

Chamada 4

Projetos

Melhoramento da criação de mapas geográficos por imagens de satélite
Ciência / Ciência da Computação

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

Grant 2021: R$ 500.000,00

Instituições

  • Universidade Federal de Minas Gerais