MétaCan
Menu
Retour à la cohorte
Enregistrement W3160767671 · doi:10.5334/jors.300

VIFECO: An Open-Source Software for Counting Features on a Video

2021· article· en· W3160767671 sur OpenAlexaff
Philippe Apparicio, David Maignan, Jérémy Gelb

Notice bibliographique

RevueJournal of Open Research Software · 2021
Typearticle
Langueen
DomaineComputer Science
ThématiqueAnomaly Detection Techniques and Applications
Établissements canadiensUniversité du Québec à MontréalInstitut National de la Recherche Scientifique
Organismes subventionnairesnon disponible
Mots-clésComputer scienceJavaOpen sourceBlankSoftwareOpen source softwareProgramming languageFeature (linguistics)Operating systemWorld Wide WebDatabaseLinguistics

Résumé

récupéré en direct d'OpenAlex

The aim of this article is to describe an open-source application (Vifeco) that makes it possible to manually identify features on a video. Vifeco also allows to: manage the number of users, create a category (feature) and a collection of categories, read video and identify the features on it, and analyze the counting concordance between two users. Written in Java 11 with the JavaFX UI toolkit, Vifeco is a stand-alone, multiplatform (Windows, Mac and Linux) and multi-language (3 languages supported) application. The software is available under Apache Licence on GitHub (https://github.com/LAEQ/vifeco).

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 machine sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,013
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Logiciel · Signal consensuel: Logiciel
Score de désaccord entre enseignants0,027
Score d'incertitude au seuil0,090

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,013
Méta-épidémiologie (sens strict)0,0020,001
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0060,002
Études des sciences et des technologies0,0010,000
Communication savante0,0020,002
Science ouverte0,0020,002
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0270,015

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 Opus0,110
Tête enseignante GPT0,435
Écart entre enseignants0,325 · 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 source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeSans objet
Domainenon disponible
GenreLogiciel

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

En bref

Citations3
Publié2021
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Open Research SoftwareMême sujetAnomaly Detection Techniques and ApplicationsTravaux en français237 207