Identificar autoridades por meio de reconhecimento facial. Uso de tecnologia de visão computacional como alternativa para antigo processo de fotogramas (Carômetro)
Notice bibliographique
Résumé
Dentro do contexto dos profissionais que atuam na atividade de Relações Governamentais, \no reconhecimento de parlamentares em ambientes físicos é uma tarefa essencial. Esses \nprofissionais exerce uma atividade que faz chegar aos parlamentares os interesses das categorias \nque os lobistas representam, ou seja, um dos processos que asseguram a democracia para nosso \npaís. A forma tradicional utilizada de reconhecimento é feita por fotogramas impressos que o \nprofissional tem que andar em sua mão para identificar (reconhecer) a autoridade parlamentar. \nUma solução para essa tarefa seria utilizar técnicas de visão computacional para auxiliar a \nidentificar, de maneira rápida e precisa, uma autoridade em um evento que circulam dezenas \nou centenas de pessoas. \nOs estudos sobre visão computacional são recentes, nos anos 70 dois trabalha foram \nprecursores - The Psychology of Computer Vision e A framework for representing knowledge. \nA partir de 2012 com a vitória do concurso de reconhecimento de imagem de computador \nImageNet, Alex Krizhevsky da Universidade de Toronto com uma rede neural chamada \nAlexNet abriu as fronteiras para avanços de modelos de redes neurais e de hardware com \narquiteturas em NVIDIA GPU (hoje o GPU está disponível para qualquer usuário da plataforma \nColab da Google). Inovações como essas foram determinantes para tornar acessível para \nqualquer pessoa desenvolver soluções de reconhecimento facial em seus computadores \ndomésticos. Este estudo técnico apresenta o uso de bibliotecas como Dlib e OpenCV que \nsimplificam o desenvolvimento de aplicações para treinar um modelo com imagens de \ndeputados federais, por exemplo, e oferecer uma ferramenta para que lobistas deixem de utilizar \nos fotogramas com a imagem e nome dos parlamentares (“carômetro”) impressos em papel e \ncomecem a utilizar soluções tecnológicas de Deep Learning ao alcance de leigos.
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 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 | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,002 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».