fbpx
Sigmoidal
  • Home
  • Cursos
  • Pós-Graduação
  • Blog
  • Sobre Mim
  • Contato
Sem Resultado
Ver Todos Resultados
  • English
  • Home
  • Cursos
  • Pós-Graduação
  • Blog
  • Sobre Mim
  • Contato
Sem Resultado
Ver Todos Resultados
Sigmoidal
Sem Resultado
Ver Todos Resultados

Como a França usou Inteligência Artificial para detectar 20 mil piscinas

Utilizando algoritmos e imagens aéreas, um algoritmos de Deep Learning foi capaz de localizar mais de 20 mil piscinas privadas não declaradas.

Carlos Melo por Carlos Melo
dezembro 19, 2022
em Data Science, Deep Learning, Visão Computacional
0
21
COMPARTILHAMENTOS
689
VIEWS
Publicar no LinkedInCompartilhar no FacebookCompartilhar no Whatsapp

“Você pode correr, mas não pode se esconder” é uma frase marcante de filmes antigos de terror, como o clássico “Sexta-Feira 13”, do matador impiedoso Jason Voorhees. Digamos que a Direção-Geral das Finanças Públicas da França (DGFiP) colocou essa frase em prática ano passado, mas para a detecção de algo que esse país entende muito: piscinas.

Inteligência Artificial para detectar piscinas
Algoritmo de Deep Learning dentro da plataforma ArcGIS (Fonte: ESRI)

Segundo dados da página de dados Statista, havia 3,2 milhões de piscinas privadas na França em 2020 – número que aumentou e muito durante a pandemia de COVID-19, período em que as pessoas ficaram mais em suas casas –, fazendo esse país o segundo com o maior número dessas construções per capita do mundo.

Em função desse grande número dessas construções, da arrecadação e do uso da água nesse país (a França enfrenta sua pior seca, que deixou mais de 100 comunidades sem água potável), as autoridades fiscais desse país resolveram regularizar a situação das casas ao fisco.

Usando técnicas de Data Science e algoritmos de Deep Learning, o governo francês conseguiu encontrar mais de 20 mil piscinas ocultas, e cobrar €10 milhões em impostos (equivalente a R$ 50 milhões).

Para solucionar esse problema, a DGFiP lançou mão da Inteligência Artificial, localizando mais de 20 mil piscinas não declaradas ou parcialmente declaradas ao fisco francês (segundo as leis tributárias desse país, deve-se declarar as piscinas, afinal elas aumentam o valor do imóvel), permitindo que o país arrecadasse mais de 10 milhões de euros.

O software de Inteligência Artificial usado pelo governo 

Isso só foi possível graças ao “foncier innovant” (em português, terra inovadora), dispositivo desenvolvido pela multinacional francesa Capgemini (uma gigante em consultoria, serviços de tecnologia e transformação digital) em conjunto com a quase nada conhecida Google.

“A IA é, sem dúvida, o novo combustível para a economia moderna.”
John Clancy, de Enterprise Digital Advisory Forum

Ele usa técnicas de Data Science e algoritmos de Deep Learning para, a partir de imagens de satélite, detectar piscinas nos terrenos. No entanto, não é só isso. Além da detecção, deve-se analisar quais estão em situação regular e quais não estão.

Assim, as imagens permitem identificar as piscinas e, a partir de um banco de dados dos cadastros de imóveis, verifica-se quem é o proprietário da piscina e a situação dele em relação ao erário.

Seja pelo tempo, pelo número de agentes estatais ou por questões de segurança, certamente essa não seria uma tarefa trivial se fosse feita manualmente por pessoas. Por essas e outras, a Inteligência Artificial é tão importante e utilizada hoje em dia.

 

Deep Learning para detecção de piscinas (Imagens do Diretor de R&D da Esri, Center Rohit Singh)

1 de 7
- +

1. Resultado dos primeiros modelos treinados em imagens multiespectrais (Imagens do Diretor de R&D da Esri, Center Rohit Singh).

Resultado dos primeiros modelos treinados em imagens multiespectrais (RGB).

2. Resultados dos modelos treinados em imagens normalizadas (Normalized Difference Vegetation Index - NDVI) (Imagens do Diretor de R&D da Esri, Center Rohit Singh).

Resultados dos modelos treinados em imagens normalizadas (Normalized Difference Vegetation Index - NDVI).

3. Visualização das piscinas detectadas pelo algoritmo no software ArcGIS Pro (Imagens do Diretor de R&D da Esri, Center Rohit Singh).

Visualização das piscinas detectadas pelo algoritmo no software ArcGIS Pro.

4. As piscinas podem apresentar diferentes cores, dependendo da negligência na manutenção da água. Essa imagem traz situações extremas que o programa tem que lidar (Imagens do Diretor de R&D da Esri, Center Rohit Singh).

As piscinas podem apresentar diferentes cores, dependendo da negligência na manutenção da água. Essa imagem traz situações extremas que o programa tem que lidar.

5. Para aumentar a eficiência do algoritmo, é necessário normalizar as amostras para que o impacto causado pela diferença nas cores seja minimizado (Imagens do Diretor de R&D da Esri, Center Rohit Singh).

Para aumentar a eficiência do algoritmo, é necessário normalizar as amostras para que o impacto causado pela diferença nas cores seja minimizado.

6. Técnicas de data augmentation foram utilizadas para aumentar o número de amostras das piscinas utilizadas para a fase de treino (Imagens do Diretor de R&D da Esri, Center Rohit Singh).

Técnicas de data augmentation foram utilizadas para aumentar o número de amostras das piscinas utilizadas para a fase de treino.

7. Visualização dos outputs do modelo em uma plataforma GIS (Imagens do Diretor de R&D da Esri, Center Rohit Singh).

Visualização dos outputs do modelo em uma plataforma GIS.

Treinando os modelos de Deep Learning

Divyansh e Rohit Singh escreveram um ótimo artigo no blog GeoAI. Além de compartilharem a apresentação que realizaram na Esri User Conference, mostraram algumas técnicas para detectar piscinas a partir de imagens aéreas.

Para treinar o objeto detector, foi utilizado uma arquitetura neural inspirada na conhecida Single Shot Multibox Detector (SSD), utilizando a técnica Focal Loss para lidarem com o dataset desbalanceado.

Os autores utilizaram uma Resnet-34 (classificador de imagens treinado em cima de 1 milhão de imagens do desafio ImageNet) como base e adicionaram um modelo SSD no topo, utilizando a biblioteca PyTorch.

Inteligência Artificial para detectar objetos
Arquitetura Neural SSD (Fonte: Wei Liu)

De acordo com o artigo, foi utilizado o otimizador Adam durante a fase de treinamento e learning rates discriminativas para o fine-tuning do modelo.

Todas as técnicas descritas na apresentação estão disponíveis na biblioteca fast.ai do Python.

Limitações da Inteligência Artificial

Embora bem-sucedido, esse projeto foi apenas um teste aplicado em 2021, restrito a apenas nove regiões da França. “A generalização será feita gradualmente em todos os departamentos da França a partir de setembro”, disse a DGFiP.

“Nós visamos particularmente as extensões das casas, como os terraços”, declarou ao jornal francês Le Parisien Antoine Magnant, vice-diretor da DGFiP.

Além dessa expansão para todo o território do país, o governo tem pretensão de utilizar a Inteligência Articial para detectar outras áreas não declaradas da casa, como terraços e pátios, os quais também aumentam o valor do imposto.

“Mas temos que ter certeza de que o software pode encontrar edifícios com grandes superfícies, e não a casinha de cachorro ou um brinquedo das crianças.”Antoine Magnant, vice-diretor da DGFiP

Porém, deve-se ir com calma e testar mais para evitar problemas maiores, como prisões incorretas – vide, por exemplo, alguns casos de erros no reconhecimento facial.

 

 

Compartilhar1Compartilhar8Enviar
Post Anterior

ChatGPT: A Inteligência Artificial que vai escrever seus códigos

Próximo Post

Como usar o DALL-E 2 para gerar imagens a partir de textos

Carlos Melo

Carlos Melo

Engenheiro de Visão Computacional graduado em Ciências Aeronáuticas pela Academia da Força Aérea (AFA) e Mestre em Engenharia Aeroespacial pelo Instituto Tecnológico de Aeronáutica (ITA).

Relacionado Artigos

O Que é Amostragem e Quantização no Processamento de Imagens
Artigos

O Que é Amostragem e Quantização no Processamento de Imagens

por Carlos Melo
junho 20, 2025
Curso de Pós-Graduação em Data Science
Data Science

Vale a pena fazer uma Pós-Graduação em Data Science?

por Carlos Melo
janeiro 20, 2025
Review do Livro “Mãos à obra: Aprendizado de Máquina com Scikit-Learn, Keras & TensorFlow”
Livros

Review do Livro “Mãos à obra: Aprendizado de Máquina com Scikit-Learn, Keras & TensorFlow”

janeiro 18, 2025
Carlos Melo e Sérgio Sacani – Ciência Sem Fim
Youtube

Carlos Melo e Sérgio Sacani – Ciência Sem Fim

por Carlos Melo
janeiro 16, 2025
Carlos Melo da Pós Graduação em Data Science do Sigmoidal
Aeroespacial

Oportunidades no Setor Espacial para Cientistas de Dados

por Carlos Melo
janeiro 15, 2025
Próximo Post
Como usar o DALL-E 2 para gerar imagens a partir de textos

Como usar o DALL-E 2 para gerar imagens a partir de textos

Deixe um comentário Cancelar resposta

O seu endereço de e-mail não será publicado. Campos obrigatórios são marcados com *

Pós-Graduação em Data Science Pós-Graduação em Data Science Pós-Graduação em Data Science

Mais Populares

  • Introdução ao MediaPipe e Pose Estimation

    Introdução ao MediaPipe e Pose Estimation

    482 compartilhamentos
    Compartilhar 193 Tweet 121
  • ORB-SLAM 3: Tutorial Completo para Mapeamento 3D e Localização em Tempo Real

    405 compartilhamentos
    Compartilhar 162 Tweet 101
  • Processamento de Nuvens de Pontos com Open3D e Python

    43 compartilhamentos
    Compartilhar 17 Tweet 11
  • Geometria da Formação de Imagens: Matrizes, Transformações e Sistemas de Coordenadas

    381 compartilhamentos
    Compartilhar 152 Tweet 95
  • O Que é Amostragem e Quantização no Processamento de Imagens

    5 compartilhamentos
    Compartilhar 2 Tweet 1
  • Em Alta
  • Comentários
  • Mais Recente
Como Tratar Dados Ausentes com Pandas

Como Tratar Dados Ausentes com Pandas

agosto 13, 2019
Como usar o DALL-E 2 para gerar imagens a partir de textos

Como usar o DALL-E 2 para gerar imagens a partir de textos

dezembro 25, 2022
Introdução ao MediaPipe e Pose Estimation

Introdução ao MediaPipe e Pose Estimation

julho 15, 2023

ORB-SLAM 3: Tutorial Completo para Mapeamento 3D e Localização em Tempo Real

abril 10, 2023
Como Analisar Ações da Bolsa com Python

Como Analisar Ações da Bolsa com Python

15
Setembro Amarelo: Análise do Suicídio no Brasil, com Data Science

Setembro Amarelo: Análise do Suicídio no Brasil, com Data Science

13
Como Aprender Data Science?

Como Aprender Data Science?

9
Qual o Cenário de Data Science no Brasil hoje?

Qual o Cenário de Data Science no Brasil hoje?

8
O Que é Amostragem e Quantização no Processamento de Imagens

O Que é Amostragem e Quantização no Processamento de Imagens

junho 20, 2025
DeepSeek vazamento de dados de usuários

DeepSeek: Vazamento de dados expõe dados de usuários

fevereiro 1, 2025
DeepSeek R1 vs OpenAI o1 – Qual é o Melhor Modelo de IA

DeepSeek R1 vs OpenAI o1 – Qual é o Melhor Modelo de IA?

janeiro 25, 2025
Trump Anuncia Investimento de US$ 500 Bilhões em Infraestrutura de IA

Trump Anuncia Investimento de US$ 500 Bilhões em Infraestrutura de IA

janeiro 22, 2025

Seguir

  • 🎙️ Corte da minha conversa com o Thiago Nigro, no PrimoCast #224

Falamos sobre por que os dados são considerados o novo petróleo - para mim, dados são o novo bacon!

Expliquei como empresas que dominam a ciência de dados ganham vantagem real no mercado. Não por armazenarem mais dados, mas por saberem o que fazer com eles.

Também conversamos sobre as oportunidades para quem quer entrar na área de tecnologia. Data Science é uma das áreas mais democráticas que existem. Não importa sua idade, formação ou cidade. O que importa é a vontade de aprender.

Se você quiser ver o episódio completo, é só buscar por Primocast 224.

“O que diferencia uma organização de outra não é a capacidade de armazenamento de dados; é a capacidade de seu pessoal extrair conhecimento desses dados.”

#machinelearning #datascience #visãocomputacional #python
  • 📸 Palestra que realizei no palco principal da Campus Party #15, o maior evento de tecnologia da América Latina!

O tema que escolhi foi "Computação Espacial", onde destaquei as inovações no uso de visão computacional para reconstrução 3D e navegação autônoma.

Apresentei técnicas como Structure-from-Motion (SFM), uma técnica capaz de reconstruir cidades inteiras (como Roma) usando apenas fotos publicadas em redes sociais, e ORB-SLAM, usada por drones e robôs para mapeamento em tempo real.

#visãocomputacional #machinelearning #datascience #python
  • ⚠️❗ Não deem ideia para o Haddad! 

A França usou Inteligência Artificial para detectar mais de 20 mil piscinas não declaradas a partir de imagens aéreas.

Com modelos de Deep Learning, o governo identificou quem estava devendo imposto... e arrecadou mais de €10 milhões com isso.

Quer saber como foi feito? Veja no post completo no blog do Sigmoidal: https://sigmoidal.ai/como-a-franca-usou-inteligencia-artificial-para-detectar-20-mil-piscinas/

#datascience #deeplearning #computerVision #IA
  • Como aprender QUALQUER coisa rapidamente?

💡 Comece com projetos reais desde o primeiro dia.
📁 Crie um portfólio enquanto aprende. 
📢 E compartilhe! Poste, escreva, ensine. Mostre o que está fazendo. Documente a jornada, não o resultado.

Dois livros que mudaram meu jogo:
-> Ultra Aprendizado (Scott Young)
-> Uma Vida Intelectual (Sertillanges)

Aprenda em público. Evolua fazendo.

#ultralearning #estudos #carreira
  • Como eu usava VISÃO COMPUTACIONAL no Centro de Operações Espaciais, planejando missões de satélites em situações de desastres naturais.

A visão computacional é uma fronteira fascinante da tecnologia que transforma a forma como entendemos e respondemos a desastres e situações críticas. 

Neste vídeo, eu compartilho um pouco da minha experiência como Engenheiro de Missão de Satélite e especialista em Visão Computacional. 

#VisãoComputacional #DataScience #MachineLearning #Python
  • 🤔 Essa é a MELHOR linguagem de programação, afinal?

Coloque sua opinião nos comentários!

#python #datascience #machinelearning
  • 💘 A história de como conquistei minha esposa... com Python!

Lá em 2011, mandei a real:

“Eu programo em Python.”
O resto é história.
  • Para rotacionar uma matriz 2D em 90°, primeiro inverto a ordem das linhas (reverse). Depois, faço a transposição in-place. Isso troca matrix[i][j] com matrix[j][i], sem criar outra matriz. A complexidade segue sendo O(n²), mas o uso de memória se mantém O(1).

Esse padrão aparece com frequência em entrevistas. Entender bem reverse + transpose te prepara para várias variações em matrizes.

#machinelearning #visaocomputacional #leetcode
  • Na última aula de estrutura de dados, rodei um simulador de labirintos para ensinar como resolver problemas em grids e matrizes.

Mostrei na prática a diferença entre DFS e BFS. Enquanto a DFS usa stacks, a BFS utiliza a estrutura de fila (queue). Cada abordagem tem seu padrão de propagação e uso ideal.

#machinelearning #visaocomputacional #algoritmos
  • 🔴 Live #2 – Matrizes e Grids: Fundamentos e Algoritmos Essenciais

Na segunda aula da série de lives sobre Estruturas de Dados e Algoritmos, o foco será em Matrizes e Grids, estruturas fundamentais em problemas de caminho, busca e representação de dados espaciais.

📌 O que você vai ver:

Fundamentos de matrizes e grids em programação
Algoritmos de busca: DFS e BFS aplicados a grids
Resolução ao vivo de problemas do LeetCode

📅 Terça-feira, 01/07, às 22h no YouTube 
🎥 (link nos Stories)

#algoritmos #estruturasdedados #leetcode #datascience #machinelearning
  • 💡 Quer passar em entrevistas técnicas?
Veja essa estratégia para você estudar estruturas de dados em uma sequência lógica e intuitiva.
⠀
👨‍🏫 NEETCODE.io
⠀
🚀 Marque alguém que também está se preparando!

#EntrevistaTecnica #LeetCode #MachineLearning #Data Science
  • Live #1 – Arrays & Strings: Teoria e Prática para Entrevistas Técnicas

Segunda-feira eu irei começar uma série de lives sobre Estruturas de Dados e Algoritmos. 

No primeiro encontro, falarei sobre um dos tipos de problemas mais cobrados em entrevistas: Arrays e Strings.

Nesta aula, você vai entender a teoria por trás dessas estruturas, aprender os principais padrões de resolução de problemas e aplicar esse conhecimento em exercícios selecionados do LeetCode.

📅 Segunda-feira, 23/06, às 21h no YouTube

🎥 (link nos Stories)

#machinelearning #datascience #cienciadedados #visãocomputacional
  • 🤖 Robôs que escalam, nadam, voam e rastejam.

Acabei de ver o que a Gecko Robotics está fazendo — e é impressionante.
Eles usam robôs que escalam, rastejam, nadam e voam para coletar dados estruturais de ativos físicos como navios, refinarias e usinas de energia.

Depois, tudo isso entra numa plataforma de AI chamada Cantilever, que combina:

✅ Ontologias baseadas em princípios físicos
✅ Edge robotics + sensores fixos
✅ Modelos preditivos para manutenção e operação

É como se estivessem criando um Digital Twin confiável de infraestruturas críticas — com dados de verdade, coletados direto do mundo físico.

Ah, e agora alcançaram status de unicórnio 🦄:
$1.25B de valuation, com foco em defesa, energia e manufatura pesada.

#MachineLearning #Robótica #MLOps #visãocomputacional
  • 🚨 FALTAM 2 DIAS!
As inscrições para a nova Pós em Visão Computacional & Deep Learning encerram neste domingo, 8 de junho, às 23h59.

Essa é sua chance de dominar IA aplicada, com foco total em projetos, e conquistar oportunidades como Machine Learning Engineer ou Computer Vision Specialist, no Brasil ou no exterior.

🔗 Link na bio para garantir sua vaga com bônus e valor promocional!

#VisaoComputacional #DeepLearning
  • 🤔🤔🤔 verdade ou mentira??
  • 🚀 NOVA PÓS EM VISÃO COMPUTACIONAL!

Seja especialista em Visão Computacional e Deep Learning! 

✔️ 400h de conteúdo
✔️ Curso reconhecido pelo MEC
✔️ Foco em prática e projetos reais

💡 1 CURSO, 2 CARREIRAS
Atue como Machine Learning Engineer E Computer Vision Engineer! 

📅 Aula de lançamento: 1º de junho, 20h

📍 Link na bio. Ative o lembrete e participe!

#computervision #machinelearning #datascience
Instagram Youtube LinkedIn Twitter
Sigmoidal

O melhor conteúdo técnico de Data Science, com projetos práticos e exemplos do mundo real.

Seguir no Instagram

Categorias

  • Aeroespacial
  • Artigos
  • Blog
  • Carreira
  • Cursos
  • Data Science
  • Deep Learning
  • Destaques
  • Entrevistas
  • IA Generativa
  • Livros
  • Machine Learning
  • Notícias
  • Python
  • Teoria
  • Tutoriais
  • Visão Computacional
  • Youtube

Navegar por Tags

camera calibration carreira chatgpt cientista de dados cnn computer vision Cursos dados desbalanceados data science data science na prática decision tree deep learning gpt-3 histograma IA generativa image formation inteligência artificial jupyter kaggle keras machine learning matplotlib mnist nft openai opencv overfitting pandas profissão python redes neurais redes neurais convolucionais regressão linear regressão logística salário scikit-learn seaborn sklearn tensorflow titanic tutorial visão computacional vídeo youtube árvore de decisão

© 2024 Sigmoidal - Aprenda Data Science, Visão Computacional e Python na prática.

Welcome Back!

Login to your account below

Forgotten Password?

Retrieve your password

Please enter your username or email address to reset your password.

Log In

Add New Playlist

Sem Resultado
Ver Todos Resultados
  • Home
  • Cursos
  • Pós-Graduação
  • Blog
  • Sobre Mim
  • Contato
  • English

© 2024 Sigmoidal - Aprenda Data Science, Visão Computacional e Python na prática.