XiaoMi-AI文件搜索系统
World File Search System图像处理
使用图像处理的智能车辆停车管理系统
术语停车管理系统通常是指建筑物和购物中心安装的自定义构建硬件密集型系统。但是，由于各种原因，在许多地方无法安装这种昂贵的解决方案，例如成本和紧急/临时设置要求。该项目的重点是基于图像处理开发停车管理系统，以检测未安装自动化系统的区域中的空置停车位。停车区的相机图像受到图像处理算法的约束，该算法标记该区域中的虚拟插槽，并提取占用信息，以指导传入的驱动程序有关可用性和空置空间位置的位置。该应用程序由两个接口组成：一个界面：用于传入驱动程序的指导，另一个用于管理员。后来的接口还通知管理员是否在虚拟插槽中未正确停放汽车。此停车系统将减少与停车场相关的压力和时间浪费，并使该地区的管理降低成本降低。
基于人工智能的图像处理用于胸部 CT 扫描图像中的 COVID-19 检测
COVID-19 疫情引起了大数据分析师和人工智能工程师的关注。将计算机断层扫描 (CT) 胸部图像分类为正常或感染需要密集的数据收集和创新的 AI 模块架构。在本文中，我们提出了一个平台，该平台通过检查 CT 胸部扫描图像，涵盖 COVID-19 正常和异常方面的多个分析和分类级别。具体来说，该平台首先基于可靠的图像集合扩充要在训练阶段使用的数据集，分割/检测图像中的可疑区域，并分析这些区域以输出正确的分类。此外，在选择最适合我们研究的模块后，我们结合了 AI 算法。最后，与文献中的其他技术相比，我们展示了该架构的有效性。所得结果表明，所提架构的准确率为 95%。
朝电子显微镜的量子图像处理
数字图像的处理不断获得数量和相关性，对数据存储，传输和处理能力的需求不断增加。传输电子显微镜仪器的最新进展，尤其是在检测器技术中，已经推动了各种方式的数据生产。例如，如今，人们可以通过利用直接电子检测器[1]来想象最多生成200tb/hr，需要智能方法来提取科学有意义的信息。尽管在人工智能（AI）和机器学习（ML）方法的帮助下，显微镜数据解释取得了很多进展[1,2]，但与增长的数据解释数据量相关的挑战仍然丰富。预计这将进一步加剧原位 /操作测量的气象升高以及数据挖掘，分析和其他计算需求的相关挑战。
朝电子显微镜的量子图像处理
数字图像的处理不断获得数量和相关性，对数据存储，传输和处理能力的需求不断增加。传输电子显微镜仪器的最新进展，尤其是在检测器技术中，已经推动了各种方式的数据生产。例如，如今，人们可以通过利用直接电子检测器[1]来想象最多生成200tb/hr，需要智能方法来提取科学有意义的信息。尽管在人工智能（AI）和机器学习（ML）方法的帮助下，显微镜数据解释取得了很多进展[1,2]，但与增长的数据解释数据量相关的挑战仍然丰富。预计这将进一步加剧原位 /操作测量的气象升高以及数据挖掘，分析和其他计算需求的相关挑战。
基于图像处理方法的电动成像脑图像信号的分类
摘要：近年来，越来越多的框架已应用于脑部计算机间技术技术，基于脑电图的机车成像（MI-EEG）正在迅速发展。但是，提高MI-EEG分类的准确性仍然是一个挑战。提出了一个深入的学习框架，即提议解决非平稳性质，激发发生的时间定位以及本文中MI-EEG信号的频段分布特征来解决非平稳性质。首先，根据C3和C4通道之间的逻辑对称关系，MI-EEG信号的时频图像扣除（IS）的结果用作分类器的输入。它既降低了冗余，又增加了输入数据的特征差异。第二，注意模块被添加到分类器中。作为基本分类器构建了卷积神经网络，并通过引入卷积块注意模块（CBAM）来自适应提取有关MI-EEG信号出现的时间位置和频率分布的信息。这种方法减少了无关的噪声干扰，同时增加了模式的鲁棒性。在BCI竞争IV数据集2B上评估了框架的性能，该数据集2B，平均准确性达到79.6％，平均KAPPA值达到0.592。实验结果验证了框架的可行性，并显示了MI-EEG信号分类的性能提高。
使用图像处理和...的智能停车系统
摘要：停车引导和信息 (CPGI) 系统通过提供停车位占用情况的实时指示和节省时间，有可能减少拥挤区域的拥堵。如今，这些系统广泛应用于使用昂贵传感器方法的室内环境。因此，随着室外环境对 PGI 系统的需求不断增加，低成本的基于图像的检测方法已成为最近使用摄像头的研究和开发的中心。由于对卷积神经网络 (CNN) 在各种图像类别识别任务中的出色表现感兴趣，本研究提出了一个强大的停车位占用检测框架，使用深度 CNN 和二进制支持向量机 (SVM) 分类器从图像中发现室外停车位的占用情况。分类器由深度 CNN 从具有不同强度和天气条件的公共数据集 (PKLot) 中学习到的特征进行训练和测试。因此，我们评估了已建立技术在为本研究生成的停车数据集上的迁移学习性能（将结果简化为新数据集的能力），我们的系统将在通知用户之前提供。我们分别对公共数据集和我们的数据集进行了 99.7% 和 96.7% 的检测，这表明该技术具有为户外环境中的 CPGI 系统提供廉价且一致的解决方案的卓越能力。关键词—CPGI、基于图像的检测方法、CNN、稳健的停车位占用检测框架、SVM 分类器
（IJACSA）国际先进计算机科学与应用杂志，2020 年第 11 卷第 7 期 使用人工智能神经网络和图像处理进行手写识别
摘要 —由于数字技术在所有领域和几乎所有日常活动中用于存储和传递信息的应用越来越多，手写字符识别已成为一个热门的研究课题。手写仍然很重要，但人们仍然希望将手写副本转换为可以进行电子通信和存储的电子副本。手写字符识别是指计算机检测和解释来自手写源（例如触摸屏、照片、纸质文档和其他来源）的可理解手写输入的能力。手写字符仍然很复杂，因为不同的人有不同的笔迹风格。本文旨在报告手写字符识别系统的开发，该系统将用于阅读学生和讲座的手写笔记。该开发基于人工神经网络，这是人工智能的一个研究领域。开发手写字符识别系统使用了不同的技术和方法。然而，很少有人关注神经网络。与其他计算技术相比，使用神经网络识别手写字符更高效、更稳健。本文还概述了手写字符识别系统的方法、设计和架构以及系统开发的测试和结果。目的是证明神经网络对手写字符识别的有效性。