FAQ

Geral

Como o sistema funciona?

O sistema utiliza um modelo de IA (OWL-ViT) para detectar objetos de risco em vídeos. O processamento pode ser feito em GPU ou CPU, com otimizações específicas para cada caso.

Quais objetos são detectados?

Armas de Fogo

Pistolas
Rifles
Espingardas

Armas Brancas

Facas
Canivetes
Objetos pontiagudos

Outros Objetos

Bastões
Objetos contundentes
Materiais explosivos

Técnico

Requisitos de Hardware

GPU

NVIDIA T4 16GB (recomendado)
CUDA 11.8+
16GB RAM

CPU

8+ cores
32GB RAM
SSD para cache

Problemas Comuns

Erro CUDA

Problema: CUDA not available

Solução:

nvidia-smi
pip install torch torchvision --extra-index-url https://download.pytorch.org/whl/cu118

Memória Insuficiente

Problema: CUDA out of memory

Solução:

Reduza o tamanho do batch
Diminua a resolução
Ajuste GPU_MEMORY_FRACTION no .env

Performance

Como melhorar a performance?

GPU

Use batch processing
Ative half precision
Otimize o cache de modelos

CPU

Ative multiprocessing
Use vetorização NumPy
Implemente cache de resultados

Configurações Recomendadas

# GPU T4
GPU_MEMORY_FRACTION=0.9
BATCH_SIZE=16
USE_HALF_PRECISION=true

# CPU
MAX_WORKERS=8
CACHE_SIZE=1000
USE_MULTIPROCESSING=true

Deployment

Como fazer deploy no Hugging Face?

Configure as credenciais:
```
cp .env.example .env.huggingface
```

Edite as variáveis:

HF_SPACE_ID=seu-espaco
HF_TOKEN=seu_token

Execute o deploy:
```
./deploy.sh
```

Monitoramento

Use os logs em logs/app.log
Monitore GPU com nvidia-smi
Verifique métricas no Hugging Face

Segurança

Como proteger as credenciais?

Use variáveis de ambiente:
```
cp .env.example .env
```
Nunca comite arquivos .env
Use secrets no Hugging Face

Validação de Entrada

Limite o tamanho dos vídeos
Verifique formatos permitidos
Sanitize inputs