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
20
COMPARTILHAMENTOS
676
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

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
Visão Computacional

Processamento de Nuvens de Pontos com Open3D e Python

por Carlos Melo
janeiro 2, 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

    451 compartilhamentos
    Compartilhar 180 Tweet 113
  • Equalização de Histograma com OpenCV e Python

    112 compartilhamentos
    Compartilhar 45 Tweet 28
  • ORB-SLAM 3: Tutorial Completo para Mapeamento 3D e Localização em Tempo Real

    385 compartilhamentos
    Compartilhar 154 Tweet 96
  • Geometria da Formação de Imagens: Matrizes, Transformações e Sistemas de Coordenadas

    368 compartilhamentos
    Compartilhar 147 Tweet 92
  • Redes Neurais Convolucionais com Python

    92 compartilhamentos
    Compartilhar 37 Tweet 23
  • 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
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
Trump revoga decreto de Biden sobre regulação de Inteligência Artificial

Trump revoga decreto de Biden sobre regulação de Inteligência Artificial

janeiro 21, 2025

Seguir

  • 🇺🇸 Green Card por Habilidade Extraordinária em Data Science e Machine Learning

Após nossa mudança para os EUA, muitas pessoas me perguntaram como consegui o Green Card tão rapidamente. Por isso, decidi compartilhar um pouco dessa jornada.

O EB-1A é um dos vistos mais seletivos para imigração, sendo conhecido como “The Einstein Visa”, já que o próprio Albert Einstein obteve sua residência permanente através desse processo em 1933.

Apesar do apelido ser um exagero moderno, é fato que esse é um dos vistos mais difíceis de conquistar. Seus critérios rigorosos permitem a obtenção do Green Card sem a necessidade de uma oferta de emprego.

Para isso, o aplicante precisa comprovar, por meio de evidências, que está entre os poucos profissionais de sua área que alcançaram e se mantêm no topo, demonstrando um histórico sólido de conquistas e reconhecimento.

O EB-1A valoriza não apenas um único feito, mas uma trajetória consistente de excelência e liderança, destacando o conjunto de realizações ao longo da carreira.

No meu caso específico, após escrever uma petição com mais de 1.300 páginas contendo todas as evidências necessárias, tive minha solicitação aprovada pelo USCIS, órgão responsável pela imigração nos Estados Unidos.

Fui reconhecido como um indivíduo com habilidade extraordinária em Data Science e Machine Learning, capaz de contribuir em áreas de importância nacional, trazendo benefícios substanciais para os EUA.

Para quem sempre me perguntou sobre o processo de imigração e como funciona o EB-1A, espero que esse resumo ajude a esclarecer um pouco mais. Se tiver dúvidas, estou à disposição para compartilhar mais sobre essa experiência! #machinelearning #datascience
  • 🚀Domine a tecnologia que está revolucionando o mundo.

A Pós-Graduação em Visão Computacional & Deep Learning prepara você para atuar nos campos mais avançados da Inteligência Artificial - de carros autônomos a robôs industriais e drones.

🧠 CARGA HORÁRIA: 400h
💻 MODALIDADE: EAD
📅 INÍCIO DAS AULAS: 29 de maio

Garanta sua vaga agora e impulsione sua carreira com uma formação prática, focada no mercado de trabalho.

Matricule-se já!

#deeplearning #machinelearning #visãocomputacional
  • Green Card aprovado! 🥳 Despedida do Brasil e rumo à nova vida nos 🇺🇸 com a família!
  • Haverá sinais… aprovado na petição do visto EB1A, visto reservado para pessoas com habilidades extraordinárias!

Texas, we are coming! 🤠
  • O que EU TENHO EM COMUM COM O TOM CRUISE??

Clama, não tem nenhuma “semana” aberta. Mas como@é quinta-feira (dia de TBT), olha o que eu resgatei!

Diretamente do TÚNEL DO TEMPO: Carlos Melo &Tom Cruise!
  • Bate e Volta DA ITÁLIA PARA A SUÍÇA 🇨🇭🇮🇹

Aproveitei o dia de folga após o Congresso Internacional de Astronáutica (IAC 2024) e fiz uma viagem “bate e volta” para a belíssima cidade de Lugano, Suíça.

Assista ao vlog e escreve nos comentários se essa não é a cidade mais linda que você já viu!

🔗 LINK NOS STORIES
  • Um paraíso de águas transparentes, e que fica no sul da Suíça!🇨🇭 

Conheça o Lago de Lugano, cercado pelos Alpes Suíços. 

#suiça #lugano #switzerland #datascience
  • Sim, você PRECISA de uma PÓS-GRADUAÇÃO em DATA SCIENCE.
  • 🇨🇭Deixei minha bagagem em um locker no aeroporto de Milão, e vim aproveitar esta última semana nos Alpes suíços!
  • Assista à cobertura completa no YT! Link nos stories 🚀
  • Traje espacial feito pela @axiom.space em parceria com a @prada 

Esse traje será usados pelos astronautas na lua.
para acompanhar as novidades do maior evento sobre espaço do mundo, veja os Stories!

#space #nasa #astronaut #rocket
  • INTERNATIONAL ASTRONAUTICAL CONGRESS - 🇮🇹IAC 2024🇮🇹

Veja a cobertura completa do evento nos DESTAQUES do meu perfil.

Esse é o maior evento de ESPAÇO do mundo! Eu e a @bnp.space estamos representando o Brasil nele 🇧🇷

#iac #space #nasa #spacex
  • 🚀 @bnp.space is building the Next Generation of Sustainable Rocket Fuel.

Join us in transforming the Aerospace Sector with technological and sustainable innovations.
  • 🚀👨‍🚀 Machine Learning para Aplicações Espaciais

Participei do maior congresso de Astronáutica do mundo, e trouxe as novidades e oportunidade da área de dados e Machine Learning para você!

#iac #nasa #spacex
  • 🚀👨‍🚀ACOMPANHE NOS STORIES

Congresso Internacional de Astronáutica (IAC 2024), Milão 🇮🇹
  • Projeto Aeroespacial do final de semana!👨‍🚀
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.