Skip to content

README_ru.rst

Latest commit

 

History

History
219 lines (153 loc) · 11.1 KB

README_ru.rst

File metadata and controls

219 lines (153 loc) · 11.1 KB
Raw

Expert Logo in Russian

package
Supported Python Versions
tests
Build Status
docs
Documentation Status
license
Supported License
languages
acknowledgments

Эксперт - это библиотека, которая предназначена для оценки состоятельности экспертного мнения на основе динамического интеллектуального анализа видеоконтента.

Особенности технологии

"Эксперт" предназначен для оценки состоятельности экспертного мнения на основе различных параметров, полученных в результате мультимодального анализа аудио-, видео- и текстовых данных. Данная разработка может применяться в сфере образования и онлайн-обучения, HR-процессов, вопросов, связанных с анализом информации социального и политического характера.

Библиотека разработана в рамках научно-исследовательской работы, финансируемой из централизованных средств федерального государственного автономного образовательного учреждения высшего образования "Национального исследовательского университета ИТМО".

Expert Diagram in Russian

Оглавление

Область применения

  • Уверенность - это характеристика, которая предназначена для оценки уровня уверенности говорящего. Основой для формирования уверенности служит позитивный опыт решения социальных задач и успешного достижения поставленных целей.
  • Агрессия - это характеристика, которая предназначена для оценки уровня агрессии говорящего. Агрессию стоит понимать как мотивированное разрушительное поведение, противоречащее нормам и правилам существования людей в обществе, причиняющее вред объектам нападения, наносящее физический ущерб или вызывающее у них психический дискомфорт.
  • Конгруэнтность - это характеристика, которая предназначена для оценки уровня согласованности эмоций говорящего по трем каналам – аудио, видео и текст.
  • Непротиворечивость - это характеристика, которая позволяет сравнить два высказывания с целью определения класса логической связи.
  • Верификация спикера
  • Распознавание и аннотирование речи

Требования

  • Python ~=3.9 (python3.9-full, python3.9-dev)
  • pip >=22.0 или PDM >=2.4.8
  • CUDA >= 11.7

Установка

  • Случай А: Если Вы используете Expert в качестве зависимости или стороннего пакета:

Эксперт может быть установлен с помощью pip:

$ pip install "expert[all] @ git+https://github.com/expertspec/expert.git"

или с помощью pdm:

$ pdm add "expert[all] @ git+https://github.com/expertspec/expert.git"

В случае с установкой через pdm как стороннего пакета, после установки запустите команду:

$ pdm run pip install mmcv-full~=1.7.0 --ignore-installed --no-cache-dir

Данная команда нужна из-за того, что метод установки зависимостей в pdm конфликтует со специфическим методом установки mmcv-full.

Запись expert[all] означает, что будут установлены зависимости из группы all. Если вы хотите установить зависимости только из группы определенного модуля библиотеки, то впишите вместо all название необходимого модуля. Установка без указания группы зависимостей приведет к установке библиотеки лишь с базовыми зависимостями.

  • Случай Б: Если Вы разрабатываете и запускаете Expert напрямую, установите его из исходников:

Склонировать репозиторий:

$ git clone https://github.com/expertspec/expert.git

Установить все зависимости из pdm.lock файла:

$ pdm sync -G all -v

или опциональные зависимости для каждого отдельного модуля библиотеки (см. pyproject.toml):

$ pdm sync -G <group> -v

Запустить прекоммитные хуки:

Для обновления версии зависимости (пакета) вам необходимо изменить версию в pyproject.toml и после выполнить:

$ pdm update -G <group> <package>
$ pre-commit run (все хуки, только для закоммиченых изменений)
$ pre-commit run --all-files (все хуки для любых изменений)
$ pre-commit run <hook_name> (определенный хук)

Документация

Официальная документация

Публикации об Эксперт

[1]Sinko M.V., Medvedev A.A., Smirnov I.Z., Laushkina A.A., Kadnova A., Basov O.O. Method of constructing and identifying predictive models of human behavior based on information models of non-verbal signals // Procedia Computer Science - 2022, Vol. 212, pp. 171-180
[2]Laushkina A., Smirnov I., Medvedev A., Laptev A., Sinko M. Detecting incongruity in the expression of emotions in short videos based on a multimodal approach // Cybernetics and physics - 2022, Vol. 11, No. 4, pp. 210–216

Благодарности

Мы благодарим сообщество за важный вклад в развитие библиотеки и участников многочисленных научных конференций и семинаров за их ценные советы и предложения.

При поддержке

ITMO university logo

Исследование проводится при поддержке исследовательского центра "Сильный искусственный интеллект в промышленности" Университета ИТМО в рамках плана программы центра: разработка и тестирование экспериментального прототипа библиотеки сильных алгоритмов ИИ с точки зрения гибридного принятия решений на базе взаимодействия ИИ и ЛПР на основе моделей профессионального поведения и когнитивных процессов ЛПР в трудно формализуемых задачах с высокой неопределенностью.

Контакты

  • Анатолий Медведев - ML-engineer
  • Иван Смирнов - ML-engineer
  • Самигулин Тимур - ML-engineer
  • Артём Бондарь - ML-engineer
  • Алёна Комарова - ML-engineer
  • Андрей Лаптев - Backend Developer
  • Артем Чемезов - Frontend Develop
  • Ольга Гофман - Scientist
  • Ника Крайновских - Researcher
  • Анастасия Лаушкина - Project Manager, Researcher

Цитирование

@software{expertspec,
    title = {expert},
    author = {Laushkina, Anastasiya and Smirnov, Ivan and Medvedev, Anatolii et al.},
    year = {2023},
    url = {https://github.com/expertspec/expert},
    version = {1.0.0}
}