Diseño de metodología para caracterizar texturas presentes en imágenes de proyectiles disparados por armas de fuego, con el fin de realizar cotejo automático
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
La comparacion entre imagenes de proyectiles, disparados por armas de fuego, llevada a cabo por los tecnicos en balıstica es una tarea que lleva mucho tiempo realizar, debido a que esta es llevada a cabo usando solo la memoria visual y la experiencia del tecnico para comparar texturas presentes en la imagen del proyectil objeto de prueba y la imagen del proyectil incriminado, lo anterior representa una enorme limitacion a la hora de usar este tipo de evidencia en una corte o juzgado. Ahora bien, hace ya varios años en diferentes paıses del mundo, tales como Estados Unidos, Canada, y Australia entre otros, los entes encargados de hacer cumplir la ley han llevado acabo investigaciones para desarrollar dispositivos que puedan capturar las imagenes de proyectiles y vainillas relacionados con investigaciones judiciales, luego usando procesamiento digital de imagenes dotar de caracterısticas cuantitativas a los patrones presentes en proyectiles y vainillas disparadas, para facilitar y agilizar la tarea de identificacion de armas de fuego. En este tipo de desarrollo se parte de la premisa que marcas caracterısticas son impresas sobre el proyectil y la vainilla cuando un arma de fuego es disparada. Ademas, la hipotesis asume una combinacion unica de marcas tal que la probabilidad de encontrar dos conjuntos identicos de marcas es practicamente nula [1]. Al rededor de treinta caracterısticas de estas marcas pueden ser distinguidas, las cuales siendo combinadas pueden producir una “huella digital” del arma de fuego. Analizando las caracterısticas de un conjunto de huellas digitales de armas, sera posible identificar no solo el tipo y modelo del arma de fuego, sino que tambien cada arma en particular de manera tan efectiva como la huella digital humana identifica cada individuo [2]. El desarrollo de la metodologıa consta del estudio, analisis y aplicacion de las tecnicas usadas en cada una de las etapas que consta el procesamiento de imagenes digitales, tales como adquisicion, preprocesamiento, segmentacion, representacion y descripcion, clasificacion y reconocimiento. En la etapa de descripcion donde se lleva cabo la extraccion de caracterısticas, se propone el uso de informacion espectral y estadıstica de las texturas presentes en la imagen.
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.
Prédiction distillée sur la base complète
Imitation des enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,002 | 0,007 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,003 | 0,002 |
| Intégrité de la recherche | 0,003 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 0,000 |
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.
score_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