Nome: Jefersson Alex dos Santos.

E-mail Pessoal: jefersson@dcc.ufmg.br

Instituição: Universidade Federal de Minas Gerais.

Departamento/Unidade: Departamento de Ciência da Computação

Tipo de Proposta: Apresentação 20 minutos no Plenário. 

Título da Apresentação: Detecção de padrões de irregularidades por meio de sistemas de inteligência artificial 

Foco Principal da Apresentação: Técnico. Para facilitar a realização de trabalhos semelhantes por auditores, analistas, cientistas e investigadores de dados.

Fase do Trabalho Apresentado: Projeto em andamento.

Descrição da Apresentação: Essa apresentação focará nos resultados obtidos pelo grupo de pesquisa PATREO (DCC/UFMG) que está desenvolvendo ferramentas para auxiliar o Tribunal de Contas da União do Brasil para a automação da detecção de padrões de irregularidades por meio de Sistemas de Inteligência Artificial. As atividades do projeto incluem principalmente:

(1) a avaliação das técnicas de inteligência artificial para segmentação, detecção, classificação e identificação de padrões de possíveis irregularidades (não conformidades) presentes em imagens de sensoriamento remoto,de forma a definir a base tecnológica para atender aos requisitos de desenvolvimento, integrado ao sistema ArcGIS;

(2) avaliação do uso de imagens de alta resolução, seu potencial e limite de evidenciação para detecção e documentação de potenciais irregularidades, a partir de imagens coletadas pela constelação de satélites Plêiades adquiridas pelo Tribunal;

(3) pesquisa e desenvolvimento de técnicas e metodologias de modo a permitir a automação da detecção de padrões de irregularidades com utilização das imagens de sensoriamento remoto nas atividades de Controle Externo e por meio de módulos integrados ao sistema ArcGIS.

Apresentaremos os principais resultados obtidos até o momento em tarefas de detecção de erosão e obras de arte em ferrovias. Também discutiremos potenciais usos das ferramantas desenvolvidas para outras atividades de Controle Externo.

Detalhes Técnicos da Apresentação: O desenvolvimento deste projeto se encontra fundamentado principalmente na utilização da linguagem de programação Python, o uso do framework Tensorflow de aprendizado de máquina e a avaliação das seguintes técnicas de segmentação e classificação de imagens:

• Fully Convolutional Networks [93]


• SegNet [1]


• U-Net [164]


• Dilated ConvNet [185]


• Mask R-CNN [52]

Referências:

[1]  Vijay  Badrinarayanan,  Ankur Handa, and  Roberto Cipolla. Segnet:   A deep convolutional encoder-decoder  architecture for robust semantic pixel-wise  labelling. arXiv preprint arXiv:1505.07293, 2015.

[2]  Kaiming He, Georgia Gkioxari, Piotr Dollár, and Ross Girshick. Mask r-cnn. InComputer Vision (ICCV), 2017 IEEE International Conference on, pages 2980–2988. IEEE, 2017.

[3]  Jonathan Long, Evan Shelhamer, and Trevor Darrell.  Fully convolutional networks for semantic segmentation.  In

Proceedings of the IEEE conference on computer vision and pattern recognition, pages 3431–3440, 2015.

[4]  Olaf Ronneberger,  Philipp Fischer, and Thomas Brox.   U-net: Convolutional networks for biomedical image segmentation.  In International Conference on Medical image computing and computer-assisted intervention, pages 234–241. Springer, 2015.

[5]  Fisher Yu and Vladlen Koltun.  Multi-scale context aggregation by dilated convolutions. arXiv preprint arXiv:1511.07122, 2015.

Resumo do Mini Curriculum Vitae:  Jefersson Alex dos Santos obteve o título de doutor em Ciência da Computação em 2013 pela Université de Cergy-Pontoise (França) e pela Unicamp. No mesmo ano, assumiu como professor do Departamento de Ciência da Computação da Universidade Federal de Minas Gerais (DCC/UFMG), cargo que ocupa atualmente. É bolsista de Produtividade em Pesquisa do CNPq desde 2016. Jefersson é fundador e coordenador do grupo de interesse em Reconhecimento de Padrões para Observação da Terra (Patreo - www.patreo.dcc.ufmg.br).

Jefersson publicou mais de quinze artigos em periódicos com alto fator de impacto e seletiva política editorial, sendo mais da metade em revistas classificadas com Qualis A1, segundo a CAPES. Também publicou mais de quarenta artigos em importantes conferências nacionais e internacionais da área de processamento de imagens, visão computacional e sensoriamento remoto.

Jefersson têm experiência na coordenação de projetos de pesquisa com empresas e agências de fomento, como LGE Electronics, CNPq, Fapesp e Fapemig. Além disso, têm mais de dez anos de experiência no desenvolvimento de técnicas de reconhecimento de padrões para aplicações agrícolas e de monitoramento ambiental, tendo participado de grandes projetos financiados pela Fapesp/Microsoft Research (WebMaps, e-Farms, e-Phenology e e-Tribes) e CAPES (DeepEyes). Nesses projetos, Jefersson têm atuado em colaboração com renomados pesquisadores e profissionais de instituições do Brasil e do exterior tais como Tribunal de Contas da União, Polícia Federal, Embrapa, Unicamp, University of South Florida, Virginia Tech, Grenoble INP e Petrobrás.