Categorias
webinars

Webinar: Aplicações de Deep Learning com dados de Sensoriamento Remoto

Coordenadores / Coordinators
Dr. Fabien Wagner
Dr. Fabien Wagner

Fundação de Ciência, Aplicações e Tecnologia Espaciais (FUNCATE)

Dr. Ricardo Dal’Agnol da Silva
Dr. Ricardo Dal’Agnol da Silva

Instituto Nacional de Pesquisas Espaciais (INPE)

A aplicação de métodos de Deep Learning (DL; aprendizado profundo) em Sensoriamento Remoto é promissora, pois eles estão revolucionando a extração e análise de dados em muitos campos da ciência nos últimos anos. O DL é uma ferramenta poderosa para avaliar rapidamente informações detalhadas em larga escala e tem sido aplicado com sucesso, por exemplo, para mapear espécies de árvores em escala regional ou para classificar tipos e mudanças de cobertura do solo. Os algoritmos de DL têm potencial para detectar padrões complexos em imagens com precisão em nível humano. Para essas tarefas, eles provaram ser significativamente mais rápidos e consistentes do que métodos tradicionais ou avaliações manuais. Nesta sessão, discutiremos novas pesquisas e descobertas trazidas por métodos de DL aplicados a dados de sensoriamento remoto. Essa sessão foi desenvolvida para especialistas em sensoriamento remoto que desejam saber mais sobre a aplicação, oportunidades e limites dos métodos de DL. Focaremos em aplicações em diferentes aspectos da pesquisa em sensoriamento remoto como detecção, segmentação, mapeamento do uso da terra e análise de séries temporais. Pretendemos fornecer uma visão ampla das possibilidades oferecidas por esses modelos poderosos para inspirar novos caminhos de pesquisa para a comunidade de sensoriamento remoto.

The application of Deep Learning (DL) methods in Remote Sensing is promising, as they are revolutionizing data extraction and analysis in various fields of science in recent years. DL is a powerful tool for quickly evaluating information on a large scale and has been successfully applied, for example, to map tree species on a regional scale or to classify types and changes in land cover. DL algorithms have the potential to detect complex patterns in images with precision at the human level. For these tasks, they prove to be faster and more consistent with traditional or manual methods. In this session, we will discuss new research and discoveries brought by DL methods and remote sensing data. This session was developed for experts in remote sensing who want to know more about applications, opportunities and limits of DL methods. We will focus on applications in different aspects of remote sensing research such as detection, segmentation, land use mapping and time series analysis. We intend to provide a broad view of the possibilities offered by these advanced models to inspire new avenues of research for the remote sensing community.


Horário / Schedule  
Título da Palestra / Title of TalksApresentador / Speakers
9h00Abertura: Aplicações de Deep Learning com dados de Sensoriamento Remoto / Opening: Deep Learning applications with Remote Sensing dataDr. Fabien Wagner (FUNCATE) Dr. Ricardo Dalagnol (INPE)
9h05Uma introdução à redes morfológicas profundas / An Introduction to Deep Morphological NetworksDr. Keiller Nogueira (University of Stirling, UK)
9h28Técnicas de Inteligência Artificial para o Mapeamento de Culturas Agrícolas a partir de Imagens Multitemporais de Sensoriamento Remoto / Artificial Intelligence Techniques for Mapping Agricultural Crops from Remote Sensing Multitemporal ImagesDr. Raul Queiroz Feitosa (PUC-RJ)
9h51Mapeando um ecossistema ameaçado de formação de ferro em Peixe Bravo – Brasil usando o método de deep learning U-net para segmentação em imagens Sentinel-2 / Mapping a threatened iron formation ecosystems of  Peixe Bravo – Brazil using U-net deep learning segmentation and Sentinel-2 imagesDr. Eric Pereira (Geocarto)
10h14Identificação de espécies arbóreas por sensoriamento remoto utilizando métodos deep learning / Identification of tree species using remote sensing and deep learning methodsDr. Matheus Ferreira (IME)
10h37Desafios e oportunidades na segmentação semântica para sensoriamento remoto: interação, abertura e poucas amostras rotuladas / Challenges and opportunities in semantic segmentation for remote sensing: interaction, openness, and few labelled samplesDr. Jefersson A. dos Santos (UFMG)
Coordenação (Chair) / Palestrantes (Speakers)
Dr. Fabien H. Wagner
Dr. Fabien H. Wagner

Dr. Fabien Hubert Wagner é atualmente Jovem Pesquisador da Fapesp (2015/50484-0) trabalhando na Divisão de Geoprocessamento da Fundação de Ciência, Aplicações e Tecnologia Espaciais (FUNCATE, São José dos Campos – SP – Brasil). Ele tem experiência em biologia de florestas tropicais com ênfase em análise de dados usando dados de campo e de sensoriamento remoto. Em seu pós-doutorado anterior na Fapesp no INPE (2013/14520-6), ele trabalhou na quantificação e modelagem da sazonalidade da produção primária líquida da floresta pantropical usando observações de campo, dados climáticos e dados de sensoriamento remoto. Em 2019, ele publicou um dos primeiros artigos usando um método de aprendizado profundo aplicado à ecologia. Neste trabalho, foi mostrado pela primeira vez que o método de aprendizado profundo permite a produção de mapas em larga escala de espécies de árvores. Desde então, ele trabalha exclusivamente no mapeamento de espécies e características de árvores com métodos de aprendizado profundo em ambientes naturais e urbanos. Ele também desenvolve modelo de aprendizado profundo para aplicação de sensoriamento remoto em ambientes urbanos. Ele publicou mais de 40 artigos revisados por pares e tem um índice H de 23.

FUNCATE – Foundation for Science, Technology and Space Applications, GeoProcessing Division
wagner.h.fabien@gmail.com

Dr. Ricardo Dal’Agnol da Silva
Dr. Ricardo Dal’Agnol da Silva

Dr. Dalagnol é Engenheiro Ambiental (2011), Mestre (2014) e Doutor (2020) em Sensoriamento Remoto pelo Instituto Nacional de Pesquisas Espaciais (INPE/Brasil). Atualmente trabalha como Pesquisador de Pós-Doutorado (Bolsa FAPESP) na Divisão de Observação da Terra e Geoinformática do INPE. Tem experiência com diversas aplicações na área de Biogeociências, com foco em ecologia tropical, conservação da natureza e monitoramento ambiental na floresta amazônica. Ele é especialista em conduzir pesquisas quantitativas usando tipos avançados de dados, como dados LIDAR aerotransportados e ópticos de satélite de alta resolução, bem como métodos como redes neurais convolucionais de aprendizado profundo. Seu projeto atual consiste em estudar padrões de larga escala na dinâmica de clareiras do dossel florestal e mortalidade de árvores na Amazônia usando lidar aerotransportado e dados ambientais/climáticos.

INPE – Instituto Nacional de Pesquisas Espaciais
ricds@hotmail.com

Dr. Keiller Nogueira 
Dr. Keiller Nogueira 

Dr. Keiller Nogueira é professor (lecturer) no departamento de Ciências da Computação e Matemática da Universidade de Stirling, Reino Unido.
Ele recebeu o título de Mestre e Doutor em Ciência da Computação pela Universidade Federal de Minas Gerais, Brasil, em 2015 e 2019, respectivamente. Seu trabalho de doutorado foi premiado como a melhor tese do Sibgrapi 2020. Ele se formou em Ciência da Computação pela Universidade Federal de Viçosa (Brasil) em 2012. Keiller publicou vários artigos de alta qualidade nas principais revistas e conferências internacionais. Seus interesses de pesquisa incluem Aprendizado Profundo e de Máquina, Reconhecimento de Padrões, Processamento de Imagens, Visão por Computador e Sensoriamento Remoto.

University of Stirling
keiller.nogueira@dcc.ufmg.br

Dr. Raul Queiroz Feitosa
Dr. Raul Queiroz Feitosa

Prof. Feitosa possui graduação em Engenharia Eletrônica pelo Instituto Tecnológico de Aeronáutica (ITA) (1979), mestrado em Engenharia Eletrônica pelo ITA (1983) e doutorado em Ciência da Computação pela Universidade de Erlangen-Nürnberg, Alemanha. Fez pós-doutorado na Universidade de Hanover, Alemanha, de 2014 a 2015. Atualmente é docente do Departamento de Engenharia Elétrica da Pontifícia Universidade Católica do Rio de Janeiro (PUC-Rio). Ele é um membro sênior da IEEE Geoscience and Remote Sensing Society (IEEE-GRSS) e membro da International Society of Photogrammetry and Remote Sensing (ISPRS). Ele fundou o capítulo brasileiro do IEEE-GRSS e serviu como seu presidente entre 2015 e 2017. É o atual vice-presidente da Comissão Técnica I do ISPRS . Ele foi editor convidado para edições especiais do IEEE Journal of Selected Topics in Applied Earth Observations e Sensoriamento Remoto (JSTARS), IEEE- Geoscience and Remote Sensing Letters, International Journal of Photogrammetry and Remote Sensing, and Remote Sensing. Suas áreas de interesse incluem Análise de Imagens, Sensoriamento Remoto, Reconhecimento de Padrões, Biometria e Visão Computacional.

PUC-RJ, Pontifícia Universidade Católica do Rio de Janeiro
raul@ele.puc-rio.br

Dr. Eric Oliveira Pereira
Dr. Eric Oliveira Pereira

Dr. Eric Oliveira Pereira é graduado em Geografia (2011) pela Universidade Federal de Minas Gerais, mestre em Análise e Modelagem de Sistemas Ambientais pela Universidade Federal de Minas Gerais (2014), e doutor em Geografia e Análise Ambiental pela Universidade Federal de Minas Gerais (2018). Sua pesquisa de doutorado tem como tema o uso de Radar Altimétrico a bordo de Satélites para medição da altitude de cursos d’água em áreas continentais. Principais temas de atuação: cartografia, geoprocessamento, análise espacial, sensoriamento remoto, conservação da natureza

Geocarto
ericpereiraufmg@gmail.com

Dr. Matheus Ferreira
Dr. Matheus Ferreira

Dr. Matheus Pinheiro Ferreira é graduado em Engenharia Florestal pela Universidade Federal do Paraná (UFPR, 2010) com formação complementar na Universidade de Freiburg/Alemanha, Mestre (2012) e Doutor (2017) em Sensoriamento Remoto pelo Instituto Nacional de Pesquisas Espaciais (INPE). Sua linha atual de pesquisa se concentra na utilização de imagens de sensoriamento remoto para o monitoramento de recursos florestais e mudanças de uso e cobertura da terra. Possui experiência em sensoriamento remoto hiperespectral, modelagem de transferência radiativa e aprendizado de máquina. Desde 2018, é Professor Adjunto da Seção de Engenharia Cartográfica do Instituto Militar de Engenharia (IME), onde ministra aulas em disciplinas relacionadas ao sensoriamento remoto e processamento digital de imagens a nível de graduação e pós-graduação.

IME – Instituto Militar de Engenharia
mpferreira3@gmail.com 

Dr. Jefersson A. dos Santos
Dr. Jefersson A. dos Santos

Dr. Jefersson é Professor Adjunto do Departamento de Ciência da Computação da UFMG – Universidade Federal de Minas Gerais. É bolsista de Produtividade em Pesquisa do CNPq (Nível 2) desde 2016. Ele obteve o título de bacharel e mestre em Ciência da Computação pela Universidade Estadual de Mato Grosso do Sul (2006) e pela Unicamp – Universidade Estadual de Campinas, respectivamente. Obteve o título de Doutor em Ciência da Computação em 2013 em co-tutela entre Unicamp e Université de Cergy-Pontoise, França. Sua pesquisa foca no desenvolvimento de abordagens de aprendizado de máquina e visão computacional para imagens de sensoriamento remoto e outras aplicações que envolvem interação com usuários especialistas, como monitoramento ambiental, agricultura, saúde e computação forense. Coordenou e colaborou em pesquisas com empresas e instituições públicas como LG Electronics, Petrobrás, Tribunal de Contas da União (TCU) e Cooperação Técnica Alemã (GIZ). Atualmente coordena projetos de pesquisa financiados pelo CNPq e pela FAPEMIG.

UFMG – Universidade Federal de Minas Gerais, Instituto de Ciências Exatas
jefersson@dcc.ufmg.br