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
700
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

    511 compartilhamentos
    Compartilhar 204 Tweet 128
  • Por que o ChatGPT mente para você?

    9 compartilhamentos
    Compartilhar 4 Tweet 2
  • ORB-SLAM 3: Tutorial Completo para Mapeamento 3D e Localização em Tempo Real

    424 compartilhamentos
    Compartilhar 170 Tweet 106
  • Geometria da Formação de Imagens: Matrizes, Transformações e Sistemas de Coordenadas

    397 compartilhamentos
    Compartilhar 159 Tweet 99
  • Processamento de Nuvens de Pontos com Open3D e Python

    56 compartilhamentos
    Compartilhar 22 Tweet 14
  • 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
Por que o ChatGPT mente para você?

Por que o ChatGPT mente para você?

setembro 16, 2025
Green Card aprovado por habilidades extraordinárias em Data Science

Green Card aprovado por habilidades extraordinárias em Data Science

julho 14, 2025
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

Seguir

  • 💰 Você sabe o que faz e quanto ganha um cientista de dados?

Ser Cientista de Dados significa trabalhar com inteligência artificial, estatística e programação para transformar dados em decisões que movimentam negócios e impactam bilhões de pessoas.

É a função que dá vida a recomendações personalizadas, modelos preditivos e sistemas inteligentes que mudam a forma como empresas inovam.

E não é apenas fascinante...

💼💰 É também uma das carreiras mais bem remuneradas da área de tecnologia!

Se você quer uma carreira com futuro, relevância e excelente retorno financeiro, Data Science é o caminho certo!

#cientistadedados #datascience #python
  • Você colocaria fraldas do lado das cervejas no seu supermercado? 🤔

Parece estranho, mas foi exatamente essa descoberta que mudou as vendas do Walmart.

Os cientistas de dados da empresa analisaram milhões de transações com uma técnica de Data Mining que identifica padrões de compra e combinações inesperadas de produtos.

Então, usando algoritmos da Data Science, cruzaram dados de horário, perfil de cliente e itens comprados juntos.

Encontraram algo curioso: homens que passavam no mercado após as 18h para comprar fraldas, muitas vezes no caminho de casa, também compravam cerveja 🍺.

O Walmart testou a hipótese: colocou fraldas perto da seção de cervejas.

O resultado? As vendas de cerveja dispararam. 🚀

Esse é um exemplo clássico de como Data Science gera impacto direto no negócio.

Não é sobre algoritmos complexos apenas; é sobre transformar dados históricos em decisões inteligentes e lucrativas.

#datascience #cientistadedados #machinelearning
  • Conheça as formações da Academia Sigmoidal.

Nossos programas unem rigor acadêmico, prática aplicada e dupla certificação internacional, preparando você para atuar em Data Science, Visão Computacional e Inteligência Artificial com impacto real no mercado.

🤖 Pós-Graduação em Data Science: Forma Cientistas de Dados e Engenheiros de Machine Learning do zero, com Python, estatística e projetos práticos do mundo real.

👁️ Pós-Graduação em Visão Computacional: Especialize-se em processamento de imagens, Deep Learning, redes neurais e navegação autônoma de drones, tornando-se Engenheiro de Visão Computacional ou Engenheiro de Machine Learning.

📊 MBA em Inteligência Artificial: Voltado a profissionais de qualquer área, ensina a aplicar IA estrategicamente em negócios, usando automação, agentes de IA e IA generativa para inovação e competitividade.

Além do título de Especialista reconhecido pelo MEC, você ainda conquista uma Dupla Certificação Internacional com o STAR Research Institute (EUA).

💬 Interessado em dar o próximo passo para liderar no mercado de tecnologia? Me envie uma mensagem e eu te ajudo pessoalmente com a matrícula.

#DataScience #InteligenciaArtificial #VisaoComputacional
  • Treinar um modelo significa encontrar um bom conjunto de parâmetros. Esse conjunto é definido pela função objetivo, também chamada de função de perda. 👀

O gradient descent é o algoritmo que ajusta esses parâmetros passo a passo. Ele calcula a direção de maior inclinação da função de perda e move o modelo para baixo nessa curva. ⬇️

Se o parâmetro é o peso que multiplica X ou o bias que desloca a reta, ambos são atualizados. Cada iteração reduz o erro, aproximando o modelo da solução ótima.

A intuição é simples: sempre que a função de perda é maior, o gradiente aponta o caminho. O algoritmo segue esse caminho até que não haja mais descida possível. 🔄 

#inteligênciaartificial #datascience #machinelearning
  • Qual a melhor linguagem? PYTHON ou R?

Diretamente do túnel do tempo! Resgatei esse vídeo polêmico de 2021, quem lembra??

#DataScience #Python #R #Programação
  • 🎥 Como começar uma CARREIRA como CIENTISTA DE DADOS

Você já pensou em entrar na área que mais cresce e que paga os melhores salários no mundo da tecnologia?

Domingo você vai descobrir o que realmente faz um Cientista de Dados, quais são as habilidades essenciais e o passo a passo para dar os primeiros passos na carreira.

Eu vou te mostrar um mapa para você sair do zero e se preparar para trabalhar com Data Science em 2026.

📅 Domingo, 28 de setembro
🕖 20:00h (horário de Brasília)
🔗 Link nos Stories

Clique no link dos Stories e receba o link da aula ao vivo!

#datascience #machinelearning #cientistadedados
  • VISÃO COMPUTACIONAL está no centro de um dos avanços mais impressionantes da exploração espacial recente: o pouso autônomo da missão Chang’e-5 na Lua. 🚀🌑

Durante a descida, câmeras de alta resolução e sensores a laser capturavam continuamente o relevo lunar, enquanto algoritmos embarcados processavam as imagens em tempo real para identificar crateras e obstáculos que poderiam comprometer a missão.

Esses algoritmos aplicavam técnicas de detecção de bordas e segmentação, aproximando crateras por elipses e cruzando a análise visual com dados de altímetros. Assim, a IA conseguia selecionar regiões planas e seguras para o pouso, ajustando a trajetória da nave de forma autônoma. 

Esse processo foi indispensável, já que a distância entre Terra e Lua gera atraso de comunicação que inviabiliza controle humano direto em tempo real.

Esse caso ilustra como IA embarcada está deixando de ser apenas uma ferramenta de análise pós-missão para se tornar parte crítica das operações espaciais autônomas em tempo real — um passo essencial para missões em Marte, asteroides e no lado oculto da Lua.

(PS: Vi o Sérgio Sacani, do @spacetoday , postando isso primeiro.)

#visaocomputacional #machinelearning #datascience
  • 🔴Aprenda a MATEMÁTICA por Trás do MACHINE LEARNING

Você já se perguntou como as máquinas aprendem?🤖 

A resposta está na matemática que dá vida ao Machine Learning. E neste vídeo, você vai aprender os conceitos fundamentais que sustentam os algoritmos de inteligência artificial, de forma clara e acessível.

Mais do que apenas fórmulas, a ideia é mostrar como cada peça matemática se conecta para transformar dados em aprendizado. Se você deseja compreender a lógica por trás do funcionamento das máquinas, essa aula é um ótimo ponto de partida.

📅 Domingo, 21 de setembro
🕖 20:00h (horário de Brasília)
🔗 Link nos Stories

#machinelearning #datascience #cientistadedados
  • 🚀 As matrículas estão abertas!
Depois de quase 1 ano, a nova turma da Pós-Graduação em Data Science chegou.

NOVIDADE: agora com Dupla Certificação Internacional:
🇧🇷 Diploma de Especialista reconhecido pelo MEC
🇺🇸 Certificado do STAR Research Institute (EUA)

Aprenda Data Science na prática, domine Machine Learning e IA, e conquiste reconhecimento no Brasil e no mundo.

2025 pode ser o ano em que você dá o passo decisivo para se tornar Cientista de Dados.

🔗 Clique no link da bio e reserve sua vaga!
#datascience #cienciadedados #python
  • Por que o CHATGPT MENTE PARA VOCÊ? 🤔

Já percebeu que o ChatGPT às vezes responde com confiança... mas está errado? 

Isso acontece porque, assim como um aluno em prova, ele prefere chutar do que deixar em branco.
Essas respostas convincentes, mas erradas, são chamadas de alucinações.

E o que o pesquisadores da OpenAI sugerem, é que esse tipo de comportamento aparece porque os testes que treinam e avaliam o modelo premiam o chute e punem a incerteza.

Então, da próxima vez que ele ‘inventar’ algo, lembre-se: não é pessoal, ele apenas for treinado dessa maneira!
#inteligênciaartificial #chatgpt #datascience
  • ChatGPT: um "estagiário de LUXO" para aumentar sua produtividade na programação.

 #programacao #copiloto #produtividade #streamlit #dashboard #tecnologia #devlife
  • Da série “Foi a IA que me deu”, vamos relembrar minha viagem pra Tromsø, na Noruega, 500 km acima da linha do Círculo Polar Ártico. 🌍❄️

No vídeo de hoje, você vai aprender o que é um "fiorde"! 

Como você dormia sem saber o que era um fiorde?? 😅
  • Qual LINGUAGEM DE PROGRAMAÇÃO é usada na TESLA?

A Tesla utiliza diferentes linguagens de programação em cada fase do ciclo de desenvolvimento. 

O treinamento das redes neurais convolucionais (CNN) é feito em Python, aproveitando bibliotecas científicas e a rapidez de prototipagem. Isso permite testar arquiteturas de CNN com agilidade no ambiente de pesquisa.

Já a implementação embarcada ocorre em C++, garantindo alta performance. Como os modelos de CNN precisam responder em tempo real, o C++ assegura baixa latência para tarefas como detectar pedestres e interpretar placas de trânsito.

Com isso, a Tesla combina Python para pesquisa e C++ para produção, equilibrando inovação e velocidade em sistemas críticos de visão computacional.

#python #machinelearning #inteligenciaartificial
  • Aproveitando o domingo… vamos relaxar um pouco e falar sobre cinema 🎬

Em
  • Já se perguntou como conseguimos distinguir intuitivamente um gato de um cachorro, mesmo com tantas semelhanças físicas? 

Para nós, essa identificação é quase automática.

Na filosofia aristotélica, a inteligência é um atributo da alma: o mundo real é captado pelos sentidos, transformado em imagens na imaginação (fantasmas), e organizado em conceitos que nos permitem compreender a realidade de forma imediata.

Já as máquinas não têm alma nem intuição. Para aprender essa mesma tarefa, precisam decompor o problema em camadas hierárquicas: 

Nas primeiras, redes neurais profundas extraem padrões simples (bordas, texturas); nas intermediárias, formas mais abstratas (orelhas, olhos, focinho); e apenas nas finais esses elementos são combinados em conceitos de alto nível como “gato” ou “cachorro”.

Enquanto nós chegamos ao entendimento de forma direta, a inteligência artificial depende de sucessivas representações para “fazer sentido” do mundo. 🤖

#inteligênciaartificial #redesneurais #deepLearning #filosofia #tecnologia
  • INTELIGÊNCIA ARTIFICIAL se tornou a carreira mais promissora atualmente.

Este mercado, em constante crescimento global, oferece oportunidades de trabalho remoto, seja como freelancer ou contratado por empresas. 

Para quem busca uma carreira flexível e em expansão, a área de DATA SCIENCE / IA pode ser o caminho ideal. 

Afinal, você consgue me dizer quais outras áreas oferecem tamanha versatilidade e crescimento? 

#cienciadedados #python #inteligenciaartificial #mercadodetrabalho #tecnologia #oportunidades
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.