XiaoMi-AI文件搜索系统
World File Search System位置信息
病理区域定位与阿尔茨海默病诊断的深度联合学习
基于大脑细微的形态变化，人们已经研究了使用结构磁共振成像 (sMRI) 识别阿尔茨海默病 (AD)。典型方法之一是基于深度学习的块级特征表示。然而，对于这种方法，在学习诊断模型之前预先确定的块可能会限制分类性能。为了缓解这个问题，我们提出了一个基于位置的门 (PG) 的 BrainBagNet，它应用通过 3D 坐标表示的大脑图像的位置信息。我们提出的方法基于 MR 扫描和位置信息来表示块级类别证据，以进行图像级预测。为了验证我们提出的方法，我们进行了实验，将我们的方法与最先进的方法进行比较，并评估了两个公开可用的数据集的稳健性能：1) ADNI 和 2) AIBL。此外，我们提出的方法在 AD 诊断和轻度认知障碍转换预测任务中的分类性能均优于比较方法，并从不同角度分析了我们的结果。根据我们的实验结果，我们认为所提出的方法有可能为基于深度学习的块级特征表示研究提供新的见解和视角。代码可在以下位置获取：github.com/ku-milab/PG-BrainBagNet 。
机器人即服务 | Waygate Technologies
BIKE 平台结构紧凑，移动性极佳，是一款磁轮式检测机器人，可在最复杂的环境中运行。其专利设计可越过台阶和墙到屋顶过渡等障碍物，使机器人能够爬到难以到达的容器和管道区域。借助集成导航摄像头和 3D 位置传感器，它可以提供精确的位置信息来查明和跟踪问题区域。
基于优化的视觉惯性里程计中的全局位置测量紧耦合融合
摘要 — 为了实现长期自主导航中稳健、无漂移的位姿估计，我们在本文中提出了一种将全局位置信息与视觉和惯性测量融合在一起的紧耦合非线性优化估计器。与以前的松散耦合的工作不同，使用紧耦合方法可以利用所有测量之间的相关性。通过最小化包括视觉重新投影误差、相对惯性误差和全局位置残差的成本函数来估计最新系统状态的滑动窗口。我们使用 IMU 预积分来计算惯性残差，并利用该算法的结果有效地计算全局位置残差。实验结果表明，所提出的方法实现了准确且全局一致的估计，而优化计算成本的增加可以忽略不计。我们的方法始终优于松耦合的融合方法。与室外无人机 (UAV) 飞行中的松散耦合方法相比，平均位置误差减少了 50%，其中全局位置信息由嘈杂的 GPS 测量提供。据我们所知，这是首次在基于优化的视觉惯性里程计算法中紧密融合全局位置测量，利用 IMU 预积分方法定义全局位置因子。
基于显着性和卷积神经网络的遥感图像中的飞机检测
应探索当前工业无线传感器网络的新算法和架构，以确保在涉及不同问题的各种应用环境中的效率、稳健性和一致性，例如智能电网、供水和天然气监测。遥感图像中的自动物体检测一直是一个热门话题。使用基于区域提议的传统深度卷积网络进行检测，生成的区域提议中存在许多负样本，这会影响模型的检测精度和效率。显著性利用人类视觉注意机制实现自下而上的物体检测。由于用显著性代替选择性搜索可以大大减少提议区域的数量，我们将使用基于背景先验的遥感图像显著性算法获得一些感兴趣区域 (RoI) 及其位置信息。然后，将位置信息映射到深度卷积神经网络获得的整个图像的特征向量。最后，对每个 RoI 进行分类和微调边界框。在本文中，将我们的模型与目前最先进的检测模型 Fast-RCNN 进行了比较。我们的模型mAP达到了99%，比Fast-RCNN提高了12.4%。另外，我们还研究了不同迭代次数对模型的影响，发现10000次迭代的模型已经具有较高的准确率。最后，我们比较了模型的准确率。
16-402 Carpenter 诉美国 (2018 年 6 月 22 日)
手机通过不断连接到一组称为“基站”的无线电天线来执行其广泛且不断增长的功能。每次手机连接到基站时，它都会生成一个带有时间戳的记录，称为基站位置信息 (CSLI)。无线运营商收集和存储这些信息以用于自己的商业目的。在本案中，在 FBI 确定了几名抢劫嫌疑人的手机号码后，检察官获得法院命令，根据《存储通信法》获取嫌疑人的手机记录。无线运营商为请愿人 Timothy Carpenter 的手机制作了 CSLI，政府获得了 12,898 个位置点，记录了 Carpenter 在 127 天内的行踪——平均每天 101 个数据点。Carpenter 要求隐瞒这些数据，辩称政府在没有获得有正当理由的搜查令的情况下扣押记录违反了第四修正案。地方法院驳回了动议，检察官在审判中使用记录证明卡彭特的手机在抢劫案发生时位于四个抢劫地点附近。卡彭特被判有罪。第六巡回法院维持原判，认为卡彭特对联邦调查局收集的位置信息缺乏合理的隐私期望，因为他已将这些信息分享给了他的无线运营商。
庞巴迪挑战者 605 - 导航系统第 1 页
Honeywell Laseref V 微惯性参考系统 (IRS) 使用数字环形激光陀螺仪来计算姿态、航向、角速率、线性加速度、垂直速度和当前位置信息。IRS 与以下飞机系统接口：• 电子飞行仪表系统 (EFIS)；• 气象雷达；• 自动飞行控制系统 (AFCS)；• 飞行数据记录器 (FDR)；• 地形感知警告系统 (TAWS)；• 交通警报和防撞系统 (TCAS)；• 失速保护系统 (SPS)；• 飞机燃油系统；以及 • 飞行管理系统 (FMS)。
CheetahNAV 数据表 - 惯性实验室
这款多功能战术导航系统利用实时移动地图技术，持续为驾驶员和机组人员提供准确的态势感知信息。CheetahNAV 具有用户友好的图形导航功能，结合惯性和卫星位置信息，可在预设航点之间准确导航至目的地。CheetahNAV 使用先进的惯性导航系统 (INS)，该系统由加速度计和陀螺仪等多种辅助设备组成，使用先进的卡尔曼滤波器算法提供平台的准确位置、速度、航向、俯仰和横滚。
16-402 Carpenter 诉美国案 (2018 年 6 月 22 日)
手机通过不断连接到一组称为“基站”的无线电天线来执行其广泛且不断增长的功能。每次手机连接到基站时，它都会生成一个带有时间戳的记录，称为基站位置信息 (CSLI)。无线运营商收集并存储这些信息以用于自己的商业目的。在这里，在联邦调查局确定了几名抢劫嫌疑人的手机号码后，检察官根据《存储通信法》获得法院命令获取嫌疑人的手机记录。无线运营商为请愿人蒂莫西·卡彭特的手机制作了 CSLI，政府能够获得 12,898 个位置点，记录卡彭特在 127 天内的行踪——平均每天 101 个数据点。卡彭特提出要隐瞒这些数据，称政府在没有获得有正当理由的搜查令的情况下扣押这些记录违反了《第四修正案》。地方法院驳回了该动议，检察官在审判中使用了这些记录来证明卡彭特的手机在抢劫案发生时位于四个抢劫地点附近。卡彭特被判有罪。第六巡回法院维持原判，认为卡彭特对联邦调查局收集的位置信息缺乏合理的隐私期望，因为他已将这些信息分享给了无线运营商。
