Portraits de la reconnaissance faciale automatisée : Sur les façons machinales de voir le visage

Portraits de la reconnaissance faciale automatisée : Sur les façons machinales de voir le visage (Lila Lee-Morrison)

Titre original :

Portraits of Automated Facial Recognition: On Machinic Ways of Seeing the Face

Contenu du livre :

Les algorithmes de reconnaissance faciale automatisée interviennent de plus en plus dans la société. Ce livre propose une analyse unique de ces algorithmes dans une perspective d'études critiques de la culture visuelle.

La première partie de cette étude examine l'exemple d'un premier algorithme de reconnaissance faciale appelé « eigenface » et retrace l'histoire de la fusion des statistiques et de la vision. La seconde partie aborde les engagements artistiques contemporains avec la technologie de reconnaissance faciale dans les travaux de Thomas Ruff, Zach Blas et Trevor Paglen.

Ce livre soutient que nous devons examiner de plus près la technologie de la reconnaissance faciale automatisée et affirme que ses formes de représentation s'inscrivent dans une politique visuelle. Plus important encore, cette technologie redéfinit ce que signifie voir et être vu dans le monde contemporain.

Autres informations sur le livre :

ISBN :9783837648461
Auteur :
Éditeur :
Reliure :Broché
Année de publication :2021
Nombre de pages :198

Achat:

Actuellement disponible, en stock.

Je l'achète!

Autres livres de l'auteur :

Portraits de la reconnaissance faciale automatisée : Sur les façons machinales de voir le visage -...
Les algorithmes de reconnaissance faciale...
Portraits de la reconnaissance faciale automatisée : Sur les façons machinales de voir le visage - Portraits of Automated Facial Recognition: On Machinic Ways of Seeing the Face

Les œuvres de l'auteur ont été publiées par les éditeurs suivants :

© Book1 Group - tous droits réservés.
Le contenu de ce site ne peut être copié ou utilisé, en tout ou en partie, sans l'autorisation écrite du propriétaire.
Dernière modification: 2024.11.14 07:32 (GMT)