MétaCan
Menu
Retour à la cohorte
Enregistrement W2758824372 · doi:10.1177/1541931213601600

Nighttime Photography & Videography: Techniques & Tips

2017· article· en· W2758824372 sur OpenAlexaff
Jason Young, Jeffrey Muttart, Jeff Suway, Joe Cohen

Notice bibliographique

RevueProceedings of the Human Factors and Ergonomics Society Annual Meeting · 2017
Typearticle
Langueen
DomaineComputer Science
ThématiqueImage Enhancement Techniques
Établissements canadiensAdvantage Forensics (Canada)
Organismes subventionnairesnon disponible
Mots-clésVideographyVisibilitySession (web analytics)CollisionPhotographyComputer sciencePerspective (graphical)Object (grammar)AeronauticsSimulationTransport engineeringComputer securityVisual artsEngineeringArtificial intelligenceMeteorologyGeographyWorld Wide WebArt

Résumé

récupéré en direct d'OpenAlex

Investigation of nighttime motor vehicle collisions represents one of the most challenging aspects of collision reconstruction. Nighttime collisions with motorcycles, pedestrians, cyclists, skateboarders, or wildlife will often require the investigator to assess the visibility of the struck object from the driver perspective at the time of the collision. Since lighting conditions, weather conditions and traffic conditions are continually changing, the ability of the investigator to create a perfect re-enactment is, by definition, not usually possible. As such, the investigator must make use of nighttime visibility assessment techniques to best reproduce the conditions at the time and correctly account for all other factors that are not in the investigator’s control. The goal of this panel discussion session is to share the combined experience and knowledge of the panelists with the audience regarding the tried-and-tested best practice techniques and tips of conducting nighttime collision re-enactments.

Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.

Comment cette classification a été obtenuedéplier

Prédiction distillée sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesÉtudes des sciences et des technologies
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Expérimental (laboratoire) · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,370
Score d'incertitude au seuil0,999

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0020,000
Communication savante0,0010,001
Science ouverte0,0020,001
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

Scores machine (provisoires)

Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.

Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.

Tête enseignante Opus0,020
Tête enseignante GPT0,258
Écart entre enseignants0,238 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

Devis d'étudeExpérimental (laboratoire)
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations0
Publié2017
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueProceedings of the Human Factors and Ergonomics Society Annual MeetingMême sujetImage Enhancement TechniquesTravaux en français237 207