Jefersson Alex dos Santos


 Professor  Auxiliar


Bolsa produtividade CNPq nível   2


Ph.D, University of Cergy-Pontoise, França, 2013

  jefersson@dcc.ufmg.br   www
 ICEx/DCC, sala 4320, +55 (31) 3409-1469
Áreas de pesquisa

Informações resumidas do Currículo Lattes


Currículo Lattes atualizado em 07/09/2017

Formação acadêmica

Doutorado em Sciences de l'Information et de la Communication na Université de Cergy-Pontoise em 2013
Doutorado em Ciência da Computação na Universidade Estadual de Campinas em 2013
Mestrado em Ciência da Computação na Universidade Estadual de Campinas em 2009
Graduado em Ciência da Computação na Universidade Estadual de Mato Grosso do Sul em 2006

Projetos de pesquisa em andamento

2015 a Atual[FAPEMIG PRONEM] GigaFrames: Vigilância e Computação Forense em Larga Escala
(Edital FAPEMIG 18/2013 - Programa de Apoio a Núcleos Emergentes de Pesquisa - PRONEM). Ao longo dos últimos anos, tem-se utilizado cada vez mais câmeras no monitoramento de grandes cidades. Se, por um lado, as câmeras de vigilância proporcionam uma grande quantidade de dados visuais, por outro, a análise desses dados torna-se um grande desafio quando feita manualmente. Desta maneira, o processamento automático desses dados torna-se imprescindível, de modo a auxiliar agentes de segurança na prevenção de crimes (vigilância) e busca por evidências em casos em que os crimes já ocorreram (computação forense). Portanto, o instante de tempo de ocorrência de um evento (por exemplo, um crime) marca uma importante tangência entre as duas áreas. Este projeto tem como objetivo principal a implantação e consolidação de um núcleo emergente caracterizado pela criação da linha de pesquisa denominada Vigilância e Computação Forense. Esta linha, inédita no Brasil e formada por pesquisadores da UFMG, UFOP e UNICAMP, focará no desenvolvimento de técnicas de visão computacional e aprendizado de máquina para efetuar monitoramento de ambientes e análise forense digital a partir de grandes volumes de dados capturados por meio de câmeras de vigilância. Formada por seis pesquisadores das três instituições, a equipe, possui dois pesquisadores de produtividade nível 2 do CNPq. Embora jovens doutores, os membros da equipe coordenam projetos fomentados por agências governamentais e empresas, e possuem publicações nas principais conferências e periódicos da área. Adicionalmente, há um amplo histórico de colaboração entre os membros da equipe, tanto na área de vigilância quanto na área de computação forense.
Integrantes: William Robson Schwartz (coordenador), Jefersson Alex dos Santos, ROCHA, ANDERSON, Guilhermo Cámara Chávez, MENOTTI, D., Eduardo Alves do Valle Jr.
2014 a Atual[CAPES/STIC-AMSUD] cooperação internacional, MAXIMUM: Mineração Não-supervisionada de Conteúdo Multimídia
Processo CAPES 048/14: Mineração Não-supervisionada de Conteúdo Multimídia - MAXIMUM Projeto de cooperação internacional entre DCC/UFMG, PUC-Minas, IC/UNICAMP, INRIA/IRISA Rennes, UPMC Paris 6, Universidad de Chile e ORAND Chile. A mineração não-supervisionada de conteúdo multimídia tem por objetivo a detecção de padrões em dados multimídia compreendendo vídeo e voz, área esta que apesar das inúmeras aplicações não tem despertado o devido interesse da comunidade científica. O projeto MAXIMUM visa, assim, o estudo, definição e avaliação de abordagens voltadas para a identificação de padrões em sequências de dados de multimídia, envolvendo tanto aspectos fundamentais quanto aplicados. Serão abordadas tecnologias comuns à análise de conteúdo multimídia, indexação, gerenciamento de bancos de dados e bioinformática na definição de uma abordagem escalável de detecção de padrões e indexação de sequências temporais em estruturas multimídias. Mais especificamente, serão investigadas técnicas de indexação para sequências temporais em espaços de alta dimensionalidade, assim como representações simbólicas de conteúdo multimídia, o que constituem duas técnicas essenciais para uma detecção eficiente de padrões. Com base neste trabalho, serão analisadas arquiteturas algorítmicas escaláveis e eficientes que levem em conta aspectos tais como a variabilidade dos referidos padrões. Os resultados poderão ser demonstrados e avaliados de diferentes formas, indo da extração eficiente de conteúdos de sequências multimídias à análise da tolerância a variações dos padrões detectados de forma não-supervisionada e que se repetem numa dada sequência. O projeto unirá esforços de laboratórios brasileiros, chilenos e franceses, todos com larga experiência em análise de conteúdo multimídia, indexação e mineração de dados. Este trabalho reforçará as colaborações existentes entre os diversos parceiros e contribuirá para uma maior liderança das instituições envolvidas, nesta área de pesquisa ainda emergente. O Projeto é gerenciado pela CAPES, no Brasil, pelo CNRS, na França, e pelo CONICYT, no Chile. Os coordenadores do Projeto são os Profs. Arnaldo de Albuquerque, UFMG, Silvio Jamil Guimarães, PUC-Minas, Guillaume Gravier, CNRS-IRISA, e Benjamin Bustos, Universidad de Chile. Vigência do Projeto: Jan 2014 a Dez 2015 Valor do auxílio CAPES: 08 tíquetes aéreos (BR-FR, ou BR-Chile), 60 diárias para pesquisadores estrangeiros, 04 missões de estudo de longa duração (doutorado-sanduíche e/ou pós-doutorado).
Integrantes: Arnaldo de Albuquerque Araújo (coordenador), Jefersson Alex dos Santos, Marcos André Gonçalvez, Torres, R.da S., Silvio Jamil Ferzoli Guimarães, William Robson Schwartz, Zenilton Kleber Gonçalves do Patrocínio Júnior, Patrick Gros, Guillaume Gravier, Laurent Amsaleg, Neucimar Jerônimo Leite, Eduardo Alves do Valle Jr, Matthieu Cord, Nicolas Thome, Benjamin Bustos, Juan Manoel Barrios.
2014 a Atual[CNPq Universal] GeoFusion: Criação Automática de Mapas Temáticos Utilizando Dados de Múltiplos Sensores
Sistemas de Informação Geográfica (SIGs) são sistemas automatizados cuja finalidade é armazenar, analisar e manipular dados geográficos. Eles auxiliam a tomada de decisões em diversas questões relacionadas a políticas públicas de monitoramento ambiental e urbano. Além disso, são ferramentas importantes em atividades econômicas de agropecuária e extração mineral. Nesse contexto, Imagens de Sensoriamento Remoto (ISRs) têm sido usadas como uma das mais importantes fonte de dados, principalmente com relação à criação de mapas temáticos. Esse processo é geralmente modelado como um problema de classificação supervisionada em que o sistema precisa aprender os padrões de interesse fornecidos pelo usuário e atribuir uma classe ao restante das regiões da imagem. Muitos desafios estão associados à própria natureza das ISRs em que pode-se ressaltar: (1) são imagens georreferenciadas, ou seja cada pixel possui uma coordenada geográfica associada; (2) geralmente codificam muito mais que informação no espectro visível (R,G,B), o que exige o desenvolvimento de algoritmos específicos para descrever padrões; (3) os dados podem variar quanto à resolução espacial alterando o nível de detalhe dos padrões e; (4) muitas aplicações tendem a exigir análise de dados espaço-temporais, com várias imagens do local de estudo ao longo do tempo. Assim, é muito frequente ter imagens obtidas a partir de diferentes sensores, o que poderia melhorar a qualidade dos mapas temáticos gerados. No entanto, isso exige a criação de técnicas capazes de codificar e combinar adequadamente as diferentes propriedades das imagens. Desse modo, esse projeto propõe o desenvolvimento de técnicas robustas para representação de regiões em imagens de sensoriamento remoto que consigam codificar características extraídas de diferentes fontes de dados, como: (1) descritores espaço-temporais; (2) descritores espectro-espaciais; e (3) descritores baseados no contexto. Pretende-se ainda desenvolver um arcabouço capaz de explorar a diversidade desses diferentes tipos de características para alcançar altos graus de acurácia na criação de mapas temáticos.
Integrantes: Jefersson Alex dos Santos (coordenador), Torres, Ricardo da S., ROCHA, ANDERSON, David Menotti, Silvio Jamil Ferzoli Guimarães, William Robson Schwartz, Clodoveu Davis Jr.
2014 a Atual[FAPEMIG-INRIA-CNRS] coopeação internacional, MOTIF: Unsupervised motif discovery in multimedia content
EDITAL 12/2013 - COOPERAÇÃO INTERNACIONAL FAPEMIG-INRIA-CNRS : Unsupervised multimedia content mining aims at discovering in an unsupervised manner repeating motifs within multimedia data such as video or speech, an emerging field which as received limited attention so far in spite of numerous potential applications. This project aims at studying various approaches to unsupervised motif discovery in multimedia sequences, i.e., to the discovery of repeated sequences with no prior knowledge on the sequences. In this context, we will develop work along two main research directions. On the one hand, we will develop symbolic approaches inspired from work on bioinformatics to motif discovery in the multimedia context, investigating symbolic representations of multimedia data and adaptation of existing symbolic motif discovery algorithms. On the other hand, we will further develop cross modal clustering approaches to repeated sequence discovery in video data, building upon previous work. We will investigate new cross clustering approaches incorporating constraints on clusters and propose new selection criteria. \motif\ will develop fundamental technology at the frontier of multimedia content analysis, multimedia indexing and bioinformatics technology, with practical applications in media content structuring. We will build upon existing research and skills at INRIA, PUC Minas and UFMG to develop collaborative work exploiting complementarity of these institutions.
Integrantes: Silvio Jamil Ferzoli Guimarães (coordenador), Jefersson Alex dos Santos, Arnaldo de Albuquerque Araújo, William Robson Schwartz, GOSSELIN, PHILIPPE-H., Zenilton Kleber Gonçalves do Patrocínio Júnior, Patrick Gros, Guillaume Gravier, Laurent Amsaleg.
2014 a Atual[CAPES Pró-Forenses] DeepEyes: Soluções de Computação Visual e Inteligência de Máquina para Computação Forense e Vigilância Eletrônica (Programa Ciências Forenses MEC/CAPES 25/2014)
(Edital CAPES Pró-Forenses 25/2014). Atividades criminais variam em escopo e complexidade, mas existem em todos os setores da sociedade. Com o desenvolvimento tecnológico, os crimes tornaram-se mais sofisticados migrando do mundo físico e atingindo, também, o mundo virtual. Diante das inúmeras formas que as atividades ilegais podem tomar, a saída para a sociedade moderna está no investimento em técnicas de investigação aprimoradas e cientificamente fundamentadas. Com demandas tão sofisticadas e cada vez mais complexas, vem a obrigação de se fortalecer cada vez mais as bases sobre as quais a Ciência Forense se desenvolve. Mais do que nunca, precisamos de critérios objetivos e cientificamente embasados para identificar características em locais de crimes e acidentes, ou mesmo para prevenir a ocorrência de crimes, tomando ações preventivas efetivas de vigilância eletrônica. Precisamos de abordagens inovadoras e condizentes com os desafios atuais para nos ajudar a resolver as três questões básicas a respeito de uma atividade ilegal ou um acidente de larga escala: ?Quem?, ?Em que Circunstâncias? e ?Por quê?. Diante de tantos desafios, este projeto CAPES Pró-Forenses Nº 25/2014 visa ao desenvolvimento de soluções algorítmicas de computação visual e inteligência de máquina para problemas ligados à computação forense, à segurança digital e à vigilância eletrônica. Os problemas de interesse são: (P1) detecção de falsificações em imagens e vídeos digitais; (P2) atribuição de fonte de captura de dados tais como câmera, scanner, impressora; (P3) detecção de plantações clandestinas de e.g., Cannabis sativa a partir de imagens de sensoriamento remoto; (P4) desenvolvimento de técnicas de identificação humana a partir de faces; (P5) reconhecimento de placas de veículos a partir de vídeos digitais; e (P6) análise de atividades em vídeos digitais. As pesquisas serão realizadas conjuntamente com diversos parceiros em universidades do Brasil e do mundo, e com a Polícia Federal do Brasil mais especificamente com o Serviço de Perícias em Audiovisual e Eletrônicos (SEPAEL) do Instituto Nacional de Criminalística (INC).
Integrantes: ROCHA, ANDERSON (coordenador), Jefersson Alex dos Santos, Arnaldo de Albuquerque Araújo, William Robson Schwartz, Hélio Pedrini, Siome Klein Goldstein.
2013 a Atual[FAPESP/Microsoft Research] Towards an understanding of tipping points within tropical South American biomes
Terrestrial ecosystems are currently undergoing unprecedented climate and human-induced disturbances, which are likely to push these systems towards changes in their physiognomies, structure, and functioning. It has been hypothesized that these new configurations may be alternative states of systems comprising vegetation-climate-disturbance interactions. The majority of the studies reporting ecosystem switches considers vegetation-climate-disturbance systems confined to certain spatial scales (local to continental) without accounting for multi-scale interactions and are unable to detect out-of-range changes and/or regime shifts in vegetation due to difficulties in collecting sufficiently long time series to define standard behavior of the system. In this context, we propose to investigate novel machine learning and image processing techniques aiming to support the use of multi-scale ecological knowledge in the analysis of vegetation-climate-disturbance systems. We also propose the use of the theory of dynamical complex systems as a novel way of filling up the gaps in evaluating ecosystem transitions, transients, and alternative states under current land use and climate change trends.
Integrantes: Ricardo Torres (coordenador), Jefersson Alex dos Santos, Marina Hirota Magalhães, Rafael Silva Oliveira, Jan Verbesselt, Ingrid van de Leemput, Vasilis Dakos.
2013 a Atual[FAPESP/Microsoft Research] Combining new technologies to monitor Phenology from leaves to ecosystems
The e-phenology is a multidisciplinary project that explores innovative solutions for plant monitoring in the tropics, combining research in Computer Science, Phenology, and Ecology. On-the-ground phenological observations preclude large areas of study and are laborious and time consuming. Near-surface remote phenology with digital cameras is still area-limited but reduces considerably manpower. Furthermore, it has proven to be an important tool for monitoring several species and accurately accessing leaf changes. In this project, we aim to apply new technologies to enhance the capabilities of near-surface remote phenological observation to detect changes on various scales, from leaves to ecosystems. Our goal is to address theoretical and practical problems involving the combination of two remote phenology monitoring systems: digital and hyperspectral cameras at three scales: on-the-ground, phenology tower, and near-space using Unmanned Aerial Vehicle (UAV). It is geared towards four innovative objectives: (a) to develop a protocol for extracting spectral data from the RGB color channels, improving the information that can be derived from low-cost digital monitoring systems; (b) to apply those technologies to extract plant ecophysiological data advancing our knowledge of plant seasonal responses to environmental drivers in the tropics to climate change; (c) to develop near-surface monitoring system for reproductive phenophases i.e., flowering and fruiting, based on digital and hyperspectral images truth-grounded by species-specific spectral data; and (d) to advance and to apply novel database, image processing, machine learning, and visualization models, methods, and algorithms to support acquisition, management, integration, and analysis of phenology data systems from various scales. The research team is composed of Computer Scientists and researchers in Plant Ecology and Phenology.
Integrantes: MORELLATO, LEONOR PATRICIA C. (coordenador), Jefersson Alex dos Santos, Torres, R.da S., ALMEIDA, JURANDY.

Projetos de desenvolvimento em andamento

Veja todos os projetos no Currículo Lattes

Últimas publicações

Artigos em periódicos


Trabalhos completos em congressos

Combination techniques for hyperspectral image interpretation
2017. International Geoscience & Remote Sensing Symposium (IGARSS 2017).
Fusion of genetic-programming-based indices in hyperspectral image classification tasks
2017. International Geoscience & Remote Sensing Symposium (IGARSS 2017).
Post classification smoothing in sub-decimeter resolution images with semi-supervised label propagation
2017. International Geoscience & Remote Sensing Symposium (IGARSS 2017).
Deep Contextual Description of Superpixels for Aerial Urban Scenes Classification
2017. International Geoscience & Remote Sensing Symposium (IGARSS 2017).
Semantic segmentation on vegetation images acquired by unmanned aerial vehicles using an ensemble of convnets
2017. International Geoscience & Remote Sensing Symposium (IGARSS 2017).
Learning to Combine Spectral Indices with Genetic Programming
2016. 2016 29th SIBGRAPI Conference on Graphics, Patterns and Images (SIBGRAPI).
Information Theory-Based Detection of Noisy Bit Planes in Medical Images
2016. 2016 29th SIBGRAPI Conference on Graphics, Patterns and Images (SIBGRAPI).
A Boosting-Based Approach for Remote Sensing Multimodal Image Classification
2016. 2016 29th SIBGRAPI Conference on Graphics, Patterns and Images (SIBGRAPI).
Optical Flow Co-occurrence Matrices: A novel spatiotemporal feature descriptor
2016. 2016 23rd International Conference on Pattern Recognition (ICPR).
Star: A Contextual Description of Superpixels for Remote Sensing Image Classification
2016. CIARP 2016 - XXI Iberoamerican Congress on Pattern Recognition.
Learning to semantically segment high-resolution remote sensing images
2016. 2016 23rd International Conference on Pattern Recognition (ICPR).
Towards vegetation species discrimination by using data-driven descriptors
2016. 2016 9th IAPR Workshop on Pattern Recogniton in Remote Sensing (PRRS).
Do deep features generalize from everyday objects to remote sensing and aerial scenes domains?
2015. 2015 IEEE Conference on Computer Vision and Pattern Recognition Workshops (CVPRW).
Contextual superpixel description for remote sensing image classification
2015. IGARSS 2015 2015 IEEE International Geoscience and Remote Sensing Symposium.
A Multi-Objective Approach for Building Hyperspectral Remote Sensed Image Classifier Combiners
2015. International Conference on Evolutionary Multi-Criterion Optimization.
Improving Spatial Feature Representation from Aerial Scenes by Using Convolutional Networks
2015. 2015 28th SIBGRAPI Conference on Graphics, Patterns and Images (SIBGRAPI).
RECOD @ Placing Task of MediaEval 2015
2015. MediaEval.
Coffee Crop Recognition Using Multi-scale Convolutional Neural Networks
2015. CIARP 2015 - XX Iberoamerican Congress on Pattern Recognition.
A Multiclass Approach for Land-Cover Mapping by Using Multiple Data Sensors
2015. CIARP 2015 - XX Iberoamerican Congress on Pattern Recognition.
A Study on Low-Cost Representations for Image Feature Extraction on Mobile Devices
2015. CIARP 2015 - XX Iberoamerican Congress on Pattern Recognition.
Learning to Annotate Clothes in Everyday Photos: Multi-modal, Multi-label, Multi-instance Approach
2014. 2014 27th SIBGRAPI Conference on Graphics, Patterns and Images (SIBGRAPI).
Unsupervised Hyperspectral Band Selection Based on Spectral Rhythm Analysis
2014. 2014 27th SIBGRAPI Conference on Graphics, Patterns and Images (SIBGRAPI).
Superpixel-based interactive classification of very high resolution images
2014. Conference on Graphics, Patterns and Images (SIBGRAPI).
Learning to Rank Similar Apparel Styles with Economically-Efficient Rule-Based Active Learning
2014. International Conference.
Phenological Event Detection by Visual Rhythms Dissimilarity Analysis
2014. 2014 IEEE 10th International Conference on eScience (eScience).
A Framework for Semantic Annotation of Phenology Image Components
2013. International Conference on Digital Libraries (ICDL'13).
Remote Sensing Image Segmentation and Representation through Multiscale Analysis
2013. 2013 26th Conference on Graphics, Patterns and Images Tutorials (SIBGRAPIT).
Shape-based time series analysis for remote phenology studies
2013. IGARSS 2013 2013 IEEE International Geoscience and Remote Sensing Symposium.
Remote sensing image representation based on hierarchical histogram propagation
2013. IGARSS 2013 2013 IEEE International Geoscience and Remote Sensing Symposium.
Visual rhythm-based time series analysis for phenology studies
2013. 2013 20th IEEE International Conference on Image Processing (ICIP).
Classifier Selection Based on the Correlation of Diversity Measures: When Fewer Is More
2013. 2013 XXVI SIBGRAPI Conference on Graphics, Patterns and Images (SIBGRAPI).
Semi-automatic Classification of Remote Sensing Images
2013. Conference on Graphics, Patterns, and Images (SIBGRAPI).
Plant Species Identification with Phenological Visual Rhythms
2013. 2013 IEEE 9th International Conference on eScience (eScience).
Ensemble of classifiers for remote sensed hyperspectral land cover analysis: An approach based on Linear Programming and Weighted Linear Combination
2013. IGARSS 2013 2013 IEEE International Geoscience and Remote Sensing Symposium.
Sinimbu - Multimodal queries to support biodiversity studies
2012. ICCSA 2012.
Automatic fusion of region-based classifiers for coffee crop recognition
2012. IGARSS 2012 2012 IEEE International Geoscience and Remote Sensing Symposium.
Descriptor Correlation Analysis for Remote Sensing Image Multi-Scale Classification
2012. 21st International Conference on Pattern Recognition.
Hyperspectral band selection through Optimum-Path Forest and evolutionary-based algorithms
2012. IGARSS 2012 2012 IEEE International Geoscience and Remote Sensing Symposium.
Remote phenology: Applying machine learning to detect phenological patterns in a cerrado savanna
2012. 2012 IEEE 8th International Conference on EScience (eScience).
Automatic Classifier Fusion for Produce Recognition
2012. 2012 XXV SIBGRAPI Conference on Graphics, Patterns and Images (SIBGRAPI).
Improving Texture Description in Remote Sensing Image Multi-Scale Classification Tasks By Using Visual Words
2012. 21st International Conference on Pattern Recognition.

Resumos expandidos em congressos


Resumos em congressos

RECOD @ Placing Task of MediaEval 2016: A Ranking Fusion Approach for Geographic-Location Prediction of Multimedia Objects.
2016. MediaEval.
e-phenology: monitoring leaf phenology and tracking climate changes in the tropics
2014. European Geosciences Union General Assembly, 2014.
NPDI Find Porn: Uma Ferramenta para Detecção de Conteúdo Pornográfico
2014. roceedings of the XIV Simpósio Brasileiro de Segurança da Informação e de Sistemas Computacionais.
Classificação Semi-automática de Regiões em Imagens de Sensoriamento Remoto Utilizando Realimentação de Relevância
2010. I Simpósio de Processamento de Sinais da UNICAMP.
Modelagem e Implementação de um Pacote Estatístico para Controle de Processos Avaliativos Utilizando Orientação a Objetos
2006. 58ª Reunião Anual da SBPC.

Veja todas as publicações no Currículo Lattes

Orientações em andamento

Mestrado

João Macedo. A definir.. Início: 2017. Universidade Federal de Minas Gerais (Orientador principal)
Caio Cesar Viana da Silva. A definir.. Início: 2017. Universidade Federal de Minas Gerais (Orientador principal)
Eduardo de Araújo Tavares. Explorando estruturas de indexação para classificação de regiões segmentadas. Início: 2016. Universidade Federal de Minas Gerais (Orientador principal)
Tiago Moreira Hübner Cançado Santana. Descrição Contextual de Regiões em Imagens de Sensoriamento Remoto. Início: 2015. Universidade Federal de Minas Gerais (Orientador principal)

Doutorado

Hugo Neves de Oliveira. Segmentação e Classificação de Achados Mamográficos. Início: 2016. Universidade Federal de Minas Gerais (Orientador principal)
Edemir Ferreira de Andrade Junior. Mapeamento geográfico utilizando imagens aéreas de múltiplas bases de conhecimento. Início: 2016. Universidade Federal de Minas Gerais (Orientador principal)
Keiller Nogueira. Aprendizado de descritores usando redes neurais. Início: 2015. Universidade Federal de Minas Gerais (Orientador principal)
Carlos Antônio Caetano Júnior. Descritores Temporais aplicados à Segmentação e Reconhecimento de Ações. Início: 2015. Universidade Federal de Minas Gerais (Co orientador)

Veja todas as orientações no Currículo Lattes