Search

O objetivo do presente trabalho consiste em analisar como a cultura tradicional chinesa molda a diplomacia do país, com foco nas relações sino-brasileiras. A China, com sua rica história e filosofia, combina tradições milenares com a ideologia marxista para construir uma diplomacia única. Conceitos como harmonia, respeito e cooperação, presentes em filosofias como o confucionismo e o taoísmo, são fundamentais para a diplomacia chinesa. A parceria entre Brasil e China, marcada pela cooperação em diversas áreas, é um exemplo de como a diplomacia cultural chinesa funciona na prática. A China busca fortalecer os laços com o Sul Global, onde o Brasil desempenha um papel crucial. A diplomacia cultural chinesa, através de intercâmbios e iniciativas conjuntas, promove o entendimento mútuo e a construção de um futuro mais próspero para ambos os países. Por conseguinte, a cultura chinesa é um elemento fundamental na diplomacia do país, influenciando suas relações internacionais. A parceria entre Brasil e China é um exemplo emblemático dessa abordagem, mostrando o potencial da diplomacia cultural para promover a paz e a prosperidade comum.

At present, the problem of pedestrian detection has attracted increasing attention in the field of computer vision. The faster regions with convolutional neural network features (Faster R-CNN) are regarded as one of the most important techniques for studying this problem. However, the detection capability of the model trained by faster R-CNN is susceptible to the diversity of pedestrians’ appearance and the light intensity in specific scenarios, such as in a subway, which can lead to the decline in recognition rate and the offset of target selection for pedestrians. In this paper, we propose the modified faster R-CNN method with automatic color enhancement (ACE), which can improve sample contrast by calculating the relative light and dark relationship to correct the final pixel value. In addition, a calibration method based on sample categories reduction is presented to accurately locate the target for detection. Then, we choose the faster R-CNN target detection framework on the experimental dataset. Finally, the effectiveness of this method is verified with the actual data sample collected from the subway passenger monitoring video.