[pt] Esta pesquisa pretende analisar a produção de material gráfico produzido pelas classes populares, o que é aqui denominado Design Gráfico Vernacular. O objetivo do trabalho é analisar este fenômeno através de pesquisa teórica, entrevistas, observações e análise gráfica do objeto em questão considerando o contexto social em que surge esse tipo de produção, o que a define, assim como o uso desses objetos. O objeto de estudo consiste em um conjunto de letreiros formado por três categorias de negócios de prestação de serviços, sendo eles: bares, restaurantes e lanchonetes; cabeleireiros e chaveiros, registrados na cidade do Rio de Janeiro. A partir da observação e análise do conjunto de letreiros confeccionados artesanalmente por profissionais especializados, os letristas, o trabalho busca também verificar a existência de uma linguagem própria desse tipo de produção. A pesquisa parte do princípio de que instâncias de legitimação provenientes de grupos sociais distintos, impõem valores e critérios de julgamento que afetam a produção de um campo de produção de bens simbólicos como o design. A importância desta pesquisa reside no fato de que a produção do design gráfico vernacular, mesmo caracterizando uma produção artesanal em uma sociedade pós-industrial, ainda é uma prática comum em todo o país. Esse tipo de produção convive com a produção do design gráfico culto dentro de uma mesma sociedade, porém ambos os campos de produção se formam para atender as necessidades de grupos sociais distintos. / [en] This dissertation intends to analyse the production of graphical material proceeding from popular social groups, which is herein named Graphic Vernacular Design. The focus of the work is to analyse this phenomenon through theoretical research, surveys, observation and graphical analyses of the object at issue, observing the social context in which that production arises, what defines it and the use of such objects. The object of study is based on a set of signs featured by three categories of business and services, such as: bars, restaurants and snack-bars; hairdressers and locksmiths registered in the city of Rio de Janeiro. From the observation and analysis of a handmade set of signs made by skilled professionals in that area of production, the so-called letter painters, this piece of work also investigates the existence of a particular language in that kind of production. The research takes as principle the fact that legitimation instances proceeding from different social groups impose values and rules of judgement which affect the production of a field of production of symbolic goods as occurs with the design. The importance of this study is based on the fact that the production of graphic vernacular design, even though characterizing a handmade production in a post- industrial society is still a regular practice in the country. That kind of production lives together with the production of cultured graphic design inside the same society: however, both fields of production are formed to attend the needs of distinct social groups.

In the framework of international treaties, with special emphasis on theBilateral investment treaty (Bit), various responsibilities for states that comprise arise. However , what happens when the courts of a country interfere contrary to international standards in full force and effect of an award, the impact caused in that state and that leading to be internationally liable to a Bit or FtA are studied in this essay. the author further analyze jurisprudence of investment arbitration tribunals in cases Saipem v. Bangladesh, ATA v. Jordan Frontier Petroleum v. Czech Republic and White Industries v. India, also focuses on the case of Peru; and urges members of a treaty respect the rules of the game. / En el marco de los tratados internacionales, con especial énfasis en el tratado Bilateral de inversión (Bit), surgen diversas responsabilidades para los estados que lo conforman. sin embargo, el qué ocurre cuando los órganos jurisdiccionales de un país interfieren contrariamente a los estándares internacionales en plena validez y eficacia de un laudo y la repercusión que ocasionan en tal estado y que lo conllevan a ser responsable internacionalmente frente a un Bit o un tLC, son tratados en este artículo. el autor, además de analizar jurisprudencia de los tribunales arbitrales de inversiones en los casos Saipem v. Bangladesh, ATA v. Jordania, Frontier Petroleum v. República Checa y White Industries v. India, se centra también en el caso peruano; e insta a quelos países miembros de un tratado respeten las reglas del juego.

[pt] Documentos digitalizados em ambientes de negócios substituíram grandes volumes de papéis. Profissionais autorizados usam carimbos para certificar informações críticas nesses documentos. Muitas empresas precisam verificar o carimbo adequado de documentos de entrada e saída. Na maioria das situações de inspeção, as pessoas realizam inspeção visual para identificar carimbos. Assim sendo, a verificação manual de carimbos é cansativa, suscetível a erros e ineficiente em termos de tempo gasto e resultados esperados. Erros na verificação manual de carimbos podem gerar multas de órgãos reguladores, interrupção de operações e até mesmo comprometer fluxos de trabalho e transações financeiras. Este trabalho propõe dois métodos que combinados podem resolver esse problema, automatizando totalmente a detecção de carimbos em documentos digitalizados do mundo real. Os métodos desenvolvidos podem lidar com conjuntos de dados contendo muitos tipos de carimbos de tamanho de amostra pequena, com múltiplas sobreposições, combinações diferentes por página e dados ausentes. O primeiro método propõe uma arquitetura de rede profunda projetada a partir da relação entre os problemas identificados em carimbos do mundo real e os desafios e soluções da tarefa de detecção de objetos apontados na literatura. O segundo método propõe um novo pipeline de aumento de instâncias de conjuntos de dados de carimbos a partir de dados reais e investiga se é possível detectar tipos de carimbos com amostras insuficientes. Este trabalho avalia os hiperparâmetros da abordagem de aumento de instâncias e os resultados obtidos usando um método Deep Explainability. Foram alcançados resultados de última geração para a tarefa de detecção de carimbos combinando com sucesso esses dois métodos, alcançando 97.3 por cento de precisão e 93.2 por cento de recall. / [en] Scanned documents in business environments have replaced large volumes of papers. Authorized professionals use stamps to certify critical information in these documents. Many companies need to verify the adequate stamping of incoming and outgoing documents. In most inspection situations, people perform a visual inspection to identify stamps. Therefore, manual stamp checking is tiring, susceptible to errors, and inefficient in terms of time spent and expected results. Errors in manual checking for stamps can lead to fines from regulatory bodies, interruption of operations, and even compromise workflows and financial transactions. This work proposes two methods that combined can address this problem, by fully automating stamp detection in real-world scanned documents. The developed methods can handle datasets containing many small sample-sized types of stamps, multiples overlaps, different combinations per page, and missing data. The first method proposes a deep network architecture designed from the relationship between the problems identified in real-world stamps and the challenges and solutions of the object detection task pointed out in the literature. The second method proposes a novel instance augmentation pipeline of stamp datasets from real data to investigate whether it is possible to detect stamp types with insufficient samples. We evaluate the hyperparameters of the instance augmentation approach and the obtained results through a Deep Explainability method. We achieve state-of-the-art results for the stamp detection task by successfully combining these two methods, achieving 97.3 percent of precision and 93.2 percent of recall.

[pt] O minério de ferro é encontrado na natureza como agregado de minerais, dentre os principais minerais presentes em sua composição estão: hematita, magnetita, goethita e quartzo. Dada a importância do minério de ferro para a indústria, há um crescente interesse por sua caracterização com o objetivo de avaliar a qualidade do material. Com o avanço de pesquisas na área de análise de imagens e microscopia, rotinas de caracterização foram desenvolvidas utilizando ferramentas de Microscopia Digital e Processamento e Análise Digital de Imagens capazes de automatizar grande parte do processo. Porém esbarrava-se em algumas dificuldades, como por exemplo identificar e classificar as diferentes texturas das partículas de hematita, as diferentes formas de seus cristais ou discriminar quartzo e resina em imagens de microscopia ótica de luz refletida. Desta forma, a partir da necessidade de se construir sistemas capazes de aprender e se adaptar a possíveis variações das imagens deste material, surgiu a possibilidade de estudar a utilização de ferramentas de Deep Learning para esta função. Este trabalho propõe o desenvolvimento de uma nova metodologia de caracterização mineral baseada em Deep Learning utilizando o algoritmo Mask R-CNN. Através do qual é possível realizar segmentação de instâncias, ou seja, desenvolver sistemas capazes de identificar, classificar e segmentar objetos nas imagens. Neste trabalho, foram desenvolvidos dois modelos: Modelo 1 que realiza segmentação de instâncias para as classes compacta, porosa, martita e goethita em imagens obtidas em Campo Claro e o Modelo 2 que utiliza imagens adquiridas em Luz Polarizada Circularmente para segmentar as classes monocristalina, policristalina e martita. Para o Modelo 1 foi obtido F1-score em torno de 80 por cento e para o Modelo 2 em torno de 90 por cento. A partir da segmentação das classes foi possível extrair atributos importantes de cada partícula, como distribuição de quantidade, medidas de forma, tamanho e fração de área. Os resultados obtidos foram muito promissores e indicam que a metodologia desenvolvida pode ser viável para tal caracterização. / [en] Iron ore is found in nature as an aggregate of minerals. Among the main minerals in its composition are hematite, magnetite, goethite, and quartz. Given the importance of iron ore for the industry, there is a growing interest in its characterization to assess the material s quality. With the advancement of image analysis and microscopy research, characterization routines were developed using Digital Microscopy and Digital Image Processing and Analysis tools capable of automating a large part of the process. However, it encountered some difficulties, such as identifying and classifying the different textures of hematite particles, the different shapes of its crystals, or discriminating between quartz and resin in optical microscopy images of reflected light. Therefore, from the need to build systems capable of learning and adapting to possible variations of the images of this material, the possibility of studying the use of Deep Learning tools for this function arose. This work proposes developing a new mineral characterization methodology based on Deep Learning using the Mask R-CNN algorithm. Through this, it is possible to perform instance segmentation, that is, to develop systems capable of identifying, classifying, and segmenting objects in images. In this work, two models were developed: Model 1 performs segmentation of instances for the compact, porous, martite, and goethite classes in images obtained in Bright Field, and Model 2 uses images acquired in Circularly Polarized Light to segment the classes monocrystalline, polycrystalline and martite. For Model 1, F1-score was obtained around 80 percent, and for Model 2, around 90 percent. From the class segmentation, it was possible to extract important attributes of each particle, such as quantity distribution, shape measurements, size, and area fraction. The obtained results were very promising and indicated that the developed methodology could be viable for such characterization.