# 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**: ```bash 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 ```plaintext # 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? 1. Configure as credenciais: ```bash cp .env.example .env.huggingface ``` 2. Edite as variáveis: ```plaintext HF_SPACE_ID=seu-espaco HF_TOKEN=seu_token ``` 3. Execute o deploy: ```bash ./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? 1. Use variáveis de ambiente: ```bash cp .env.example .env ``` 2. Nunca comite arquivos `.env` 3. Use secrets no Hugging Face ### Validação de Entrada - Limite o tamanho dos vídeos - Verifique formatos permitidos - Sanitize inputs