Repositório com implementações do projeto "Uso de sensoriamento remoto e inteligência artificial para prever áreas com alto risco de infestação por Aedes aegypti e arboviroses" em parceria PATREO/DCC-UFMG e FSP-USP.
Codigos/paper_PLOS_2024
: referente ao paper Automatic mapping of high-risk urban areas for Aedes aegypti infestation based on building facade image analysis publicado na PLOS One em 2024.facades.ipynb
: Notebook principal com o treinamento k-fold e extração de métricas resultado. Treinamento e testes realizados nas fotos tiradas por agentes de saúde pública.inferencias_5classes.csv
: inferências do PCI 5 classes sobre as fotos dos agentes de saúde (separados por fold).models/folds.dict
: dicionário com as amostras associadas a cada foldmodels/best_fold0*.pt
: modelo treinado em cada um dos folds listados emfolds.dict
.results/activations*.pdf
: distribuição de ativações para diferentes cenários (por fold, por classe, etc.)results/cm_fold0*.pdf
: matrizes de confusão por fold.streetview/data.ipynb
: exploração de dados das imagens coletadas via streetview e rotuladas por agentes de saúde.streetview/inference.ipynb
: Pipeline de inferência com os modelos treinados nas fotos dos agentes de saúde, aqui testados nas imagens coletadas do streetview.streetview/inferences.csv
: inferências com os 5 diferentes modelos sobre as imagens do streetview.