Federico Gonzalez Brizzio

About Me

My research focuses on computer vision and deep learning, particularly in unsupervised object discovery and wildlife image classification for ecological studies. I also investigate the application of artificial intelligence, augmented and virtual reality, and digital technologies to advance scientific research, environmental analysis, and tourism innovation.

I was born in Santa Fe, Argentina. I taught myself to code at 12, before internet, and couldn't stop. I sold my first software at 15 and registered my first (and only) patent at 16. Later I realized open source beats patents.

Latest Blog Posts

• 4 min read

Reflexiones sobre “La velocidad del cambio” en Finnova Tech

El 10 de diciembre pasado participé del Congreso Finnova Tech 2024, un encuentro que congregó a líderes de tecnología e innovación en la ciudad de Ushuaia, Tierra del Fuego, Argentina. El congreso superó todas las expectativas; más de 700 asistentes se reunieron en el “Fin del Mundo” para debatir sobre el futuro. Si bien mi participación fue virtual porque no estaba en Argentina, mi presentación fue transmitida en vivo al auditorio. El escenario fue compartido por importantes especialistas locales y referentes de empresas globales como Microsoft, Amazon y Globant.

Read article
• 4 min read

GIS sin GIS: cómo encontrar ubicaciones cercanas sólo con MySQL o con Javascript y Turf

Cada vez es más común desarrollar aplicaciones o webs con mapas interactivos ¿pero qué pasa cuando queremos filtrar algunos elementos para saber cuáles están dentro de cierto radio? Una buena opción es usar Postgis ¿pero si sólo disponemos de MySQL o simplemente Javascript? No te preocupes! aquí te muestro cómo.

Read article
• 4 min read

Mapa de las provincias argentinas con mayor índice de muertes por accidentes de tránsito

Muchas veces los medios de comunicación, o las redes sociales, nos presentan infografías y datos estadísticos. En este blog veremos cómo hacer un mapa interactivo a partir de datos reales, pero sobretodo nos cuestionaremos cómo deberíamos presentarlos para dar con la información correcta.

Read article
View All Blog Posts →

Latest Publications

DADO: A Depth-Attention framework for Object Discovery

Federico Gonzalez, Estefania Talavera, Petia Radeva

CAIP 2025, Springer Nature Switzerland

Unsupervised object discovery, the task of identifying and localizing objects in images without human-annotated labels, remains a significant challenge and a growing focus in computer vision. In this work, we introduce a novel model, DADO (Depth-Attention self-supervised technique for Discovering unseen Objects), which combines an attention mechanism and a depth model to identify potential objects in images. To address challenges such as noisy attention maps or complex scenes with varying depth planes, DADO employs dynamic weighting to adaptively emphasize attention or depth features based on the global characteristics of each image. We evaluated DADO on standard benchmarks, where it outperforms state-of-the-art methods in object discovery accuracy and robustness without the need for fine-tuning.

PDF CODE

Inteligencia artificial para la multi-clasificación de fauna en fotografías automáticas utilizadas en investigación científica

Federico Gonzalez, Leonel Viera, Rosina Soler, et al.

WICC 2022, Argentina

El manejo de ambientes naturales, ya sea para conservación o producción, requiere de una profunda comprensión de la vida silvestre. El número, la ubicación y el comportamiento de los animales salvajes es uno de los principales objetos de estudio en ecología y vida silvestre. El uso de cámaras trampa ofrece la oportunidad de recopilar rápidamente grandes cantidades de fotografías que -sin la presencia humana- registran a la fauna en su hábitat natural, evitando factores que alteren su comportamiento. En Tierra del Fuego, Argentina, se desarrollan investigaciones sobre el uso del bosque por parte de distintos herbívoros (guanacos, vacas, ovejas) para optimizar el manejo y proteger dichos ecosistemas naturales. Si bien las cámaras trampa permiten la obtención de millones de imágenes, la interpretación de tales fotografías representa un problema de escala para el procesamiento manual. Así, gran parte del valioso conocimiento en estos enormes repositorios de datos sigue sin ser aprovechado. Las Redes Neuronales y el Deep Learning son áreas de estudio dentro la Inteligencia Artificial, durante la última década estas dos disciplinas han hecho cuantiosos aportes en el ámbito del reconocimiento de imágenes de gran relevancia a nivel mundial. Los estudios ecológicos y de conservación de la vida silvestre, pueden combinarse con estas nuevas tecnologías para extraer información importante a partir de las fotografías obtenidas por cámaras trampa, con el objeto de aportar a la comprensión de distintos procesos naturales y mejorar el manejo de las áreas silvestres implicadas. Nuestro proyecto busca desarrollar modelos de redes neuronales para clasificar especies de animales en fotografías obtenidas mediante cámaras trampa, para resolver problemas de gran volumen en investigación científica.

PDF CODE

Streamlining the study of the Tierra del Fuego forest through the use of deep learning

Leonel Viera, Federico Gonzalez, Rosina Soler, Lucas Romano, Guillermo Feierherd

CACIC 2019, Springer International

Understanding plant-herbivorous relationships allows to optimize the way to manage and protect natural spaces. In this paper the study of this relationship in the ñire forests (Nothofagus antarctica) of the province of Tierra del Fuego (Argentina) is approached. Using trap cameras to monitor such interaction offers the opportunity to quickly collect large amounts of data. However, to take advantage of its potential, a large investment in trained personnel to analyze and filter the images of interest is required. The present work seeks to establish a path to significantly reduce this obstacle using the advances of machine and deep learning in the recognition of objects from images.

PDF
View All Publications →