XiaoMi-AI文件搜索系统
World File Search System数码相机
使用深卷积神经网络进行面部识别
这项研究旨在使用深卷积神经网络（CNN）开发实时戴面膜检测系统。这在2019年冠状病毒病（Covid-19）中至关重要，这是对那些不早些时候不戴口罩的人提醒的，从而减少了病毒的传播。由于Covid-19通过呼吸液滴和戴面膜涂抹的杂志扩散，我们提出的研究利用计算机视觉技术，特别是图像过程来检测掩盖和未掩盖的面孔。我们采用定制的CNN体系结构，该体系结构由五个卷积层组成，其次是最大层和完全连接的（FC）层。最终输出层利用SoftMax激活进行分类。该模型使用优化的图层组合和参数值进行更新。我们正在开发使用数码相机作为输入设备的应用程序。该应用程序利用一个包含11,792个图像样本的数据集，该数据集用于80:20的比例训练和测试目的。实时测试是使用相机捕获的人类受试者进行的。实验结果表明，在实时视频测试中，CNN方法在培训数据上达到了99％的分类精度，而98.83％的分类精度为98.83％。这些发现表明，使用CNN的实时面膜检测系统有效地性能。
伊拉克巴斯拉的糖尿病性视网膜病的患病率和危险因素
摘要这项研究旨在衡量在巴斯拉的Faiha糖尿病，内分泌中心（FDEMC）的20至82岁的Di-Abetes Mellitus患者中，糖尿病性视网膜病变（DR）的患病率和危险因素。在FDEMC进行了一项横断面研究，包括2019年1月至2019年12月20至82岁的1542名参与者。通过移动非乳化相机检查了两只眼睛的DR证据，并进行了统计分析，以测量具有不同特征的患者的患病率（95％CI）。参与者的平均年龄为35.9，有689名男性（44.7％； 95％CI：42.2–47.2％）和853名女性（55.3％； 95％CI：52.8-57.8％）。DR的患病率为30.5％（95％CI：28.1–32.8％），11.27％的病例是增生性视网膜病。dr随着年龄的增长而显着增加（p值= 0.000），女性（p值= 0.005）较高，并且随着糖尿病的持续时间更长（P值<0.001），高血糖症，高血糖症（p-value <0.001），高度（p-value <0.001），高度（p-value = 0.004），dys = 0.004） （p值<0.001），肾病（p值<0.001）和吸烟（p值<0.001）。DR与糖尿病或肥胖的类型之间没有统计关联。这项研究的参与者中有三分之一患有博士。使用简单工具（例如数码相机）筛选和早期检测DR应该是改善人的健康状况的优先事项。
在视觉场景显示中突出显示项目的策略，以支持身体有障碍的人进行增强和替代的交流访问
视觉场景显示 (VSD) 是一项较新的创新，它为辅助交流显示提供了一种新范例 [1,2]。传统上，AAC 选择的项目孤立地呈现在纯色背景上，没有上下文，通常按分类类别排列在网格内（例如，不同动物的网格）[6]。与传统的基于网格的显示相比，VSD 在任何时候提供的交流选项数量可能更有限。这种限制是因为 VSD 仅限于场景中自然出现的项目选择。然而，VSD 会在自然发生的环境中（例如，在照片中）呈现符号，并根据物体在场景中的自然位置使用直观的导航系统 [2,7]。此外，即时 (JIT) 编程旨在支持个人的即时交流访问和语言学习，以增强交流成功率 [8]。积极的一面是，VSD 可以即时生成，这意味着它们可以通过嵌入式数码相机轻松捕捉，然后将场景元素指定为交流热点 [9]。简单的过程有助于减少程序员为使用 VSD 的个人构建显示器的需求，从而可能带来更大的参与度 [10]。因此，这些优势意味着 VSD 为处于早期符号发展阶段的儿童 [11] 或患有失语症等疾病的成年人 [12] 提供了许多优于传统网格显示器的优势。因此，重要的是要考虑如何设计 VSD 以支持那些有严重身体障碍的人的通信访问。
Blaschke-T.-2005-基于变化检测的框架...
随着高分辨率卫星图像和机载数码相机数据的出现，包含上下文信息的方法越来越常用。在图像分析中包含空间维度的一种方法是识别相对同质的区域并将其视为对象。虽然分割并不是一个新概念，但基于图像分割的应用程序数量最近正在显著增加。同时，新的方法挑战也随之出现。标准变化检测和精度评估技术主要依赖于对单个像素的统计评估。对于显示形状、边界、同质性或拓扑信息的图像对象，这种评估并不令人满意。在基于多时间对象的图像分析中，必须评估这些描述现实世界对象的额外信息维度。本文确定了与多时间对象识别相关的问题，并提出了基于图像对象的变化检测框架。为简单起见，该框架将 n 维问题分解为两个主要方面，即几何和主题内容。这两个方面可以与以下问题相关联：某个分类对象是否发生了几何变化、类别变化，还是两者兼而有之？我们什么时候才能将一个数据集中的对象识别为另一个数据集中的同一个对象？我们是否需要用户定义或特定于应用程序的阈值来表示几何重叠、形状-面积关系、质心移动等？本文阐明了对象变化检测的一些具体挑战，并将 GIS 功能纳入图像分析。
陶瓷
1。B。J. Kim，T。Nasir和J.-Y. choi，“石墨烯在低温下为将来的设备应用直接生长”，J。Korean Ceram。 SOC 55 [3] 203–223（2018）。 2。 Y。 M. Song等。 ，“具有节肢动物眼睛启发的设计的数码相机”，《自然》 497 [7447] 95-99（2013）。 3。 S。 E. Thompson和S. Parthasarathy，“摩尔定律：Si Microelectronics的未来”，Mater。 今天9 [6] 20–25（2006）。 4。 E。 POP，“纳米级设备中的能量耗散和运输”，Nano Res。 3 [3] 147–169（2010）。 5。 H。 F. Hamann等。 ，“热点限制的微处理器：直接温度和功率分布测量”，IEEE J.固态电路42 [1] 56-65（2007）。 6。 J。 Kim，J。Oh和H. Lee，“电动汽车电池热管理系统的审查”，Appl。 热。 eng。 149 192–212（2019）。 7。 S。 v Rotkin，V。Perebeinos，A。G. Petrov和P. Avouris，“碳纳米管电子中的热量耗散的基本机制”，Nano Lett。 9 [5] 1850–1855（2009）。 8。 C。 Faugeras，B。Faugeras，M。Orlita，M。Potemski，R。R。Nair和A. K. Geim，“ Corbino膜几何学中石墨烯的热导率”，ACS Nano 4 [4] 1889-1892（2010）（2010年）。 9。 W。 Cai等。 ，“通过化学蒸气沉积生长的悬浮和支撑的单层石墨烯中的热传输”，Nano Lett。J. Kim，T。Nasir和J.-Y.choi，“石墨烯在低温下为将来的设备应用直接生长”，J。Korean Ceram。SOC 55 [3] 203–223（2018）。2。Y。M. Song等。 ，“具有节肢动物眼睛启发的设计的数码相机”，《自然》 497 [7447] 95-99（2013）。 3。 S。 E. Thompson和S. Parthasarathy，“摩尔定律：Si Microelectronics的未来”，Mater。 今天9 [6] 20–25（2006）。 4。 E。 POP，“纳米级设备中的能量耗散和运输”，Nano Res。 3 [3] 147–169（2010）。 5。 H。 F. Hamann等。 ，“热点限制的微处理器：直接温度和功率分布测量”，IEEE J.固态电路42 [1] 56-65（2007）。 6。 J。 Kim，J。Oh和H. Lee，“电动汽车电池热管理系统的审查”，Appl。 热。 eng。 149 192–212（2019）。 7。 S。 v Rotkin，V。Perebeinos，A。G. Petrov和P. Avouris，“碳纳米管电子中的热量耗散的基本机制”，Nano Lett。 9 [5] 1850–1855（2009）。 8。 C。 Faugeras，B。Faugeras，M。Orlita，M。Potemski，R。R。Nair和A. K. Geim，“ Corbino膜几何学中石墨烯的热导率”，ACS Nano 4 [4] 1889-1892（2010）（2010年）。 9。 W。 Cai等。 ，“通过化学蒸气沉积生长的悬浮和支撑的单层石墨烯中的热传输”，Nano Lett。M. Song等。，“具有节肢动物眼睛启发的设计的数码相机”，《自然》 497 [7447] 95-99（2013）。3。S。E. Thompson和S. Parthasarathy，“摩尔定律：Si Microelectronics的未来”，Mater。今天9 [6] 20–25（2006）。4。E。POP，“纳米级设备中的能量耗散和运输”，Nano Res。3 [3] 147–169（2010）。5。H。F. Hamann等。，“热点限制的微处理器：直接温度和功率分布测量”，IEEE J.固态电路42 [1] 56-65（2007）。6。J。Kim，J。Oh和H. Lee，“电动汽车电池热管理系统的审查”，Appl。热。eng。149 192–212（2019）。7。S。v Rotkin，V。Perebeinos，A。G. Petrov和P. Avouris，“碳纳米管电子中的热量耗散的基本机制”，Nano Lett。9 [5] 1850–1855（2009）。8。C。Faugeras，B。Faugeras，M。Orlita，M。Potemski，R。R。Nair和A. K. Geim，“ Corbino膜几何学中石墨烯的热导率”，ACS Nano 4 [4] 1889-1892（2010）（2010年）。9。W。Cai等。 ，“通过化学蒸气沉积生长的悬浮和支撑的单层石墨烯中的热传输”，Nano Lett。Cai等。，“通过化学蒸气沉积生长的悬浮和支撑的单层石墨烯中的热传输”，Nano Lett。10 [5] 1645–1651（2010）。10。A。A. Balandin等。 ，“单层石墨烯的高热电导率”，Nano Lett。 8 [3] 902–907（2008）。 11。 C。 W. Chang等。 ，“同位素对硝酸硼纳米管的热导率的影响”，物理。 修订版A. Balandin等。，“单层石墨烯的高热电导率”，Nano Lett。8 [3] 902–907（2008）。11。C。W. Chang等。，“同位素对硝酸硼纳米管的热导率的影响”，物理。修订版
Blaschke-T.-2005-基于变化检测的框架...
随着高分辨率卫星图像和机载数码相机数据的出现，包含上下文信息的方法越来越常用。在图像分析中包含空间维度的一种方法是识别相对同质的区域并将其视为对象。虽然分割并不是一个新概念，但基于图像分割的应用程序数量最近正在显著增加。同时，新的方法挑战也随之出现。标准变化检测和精度评估技术主要依赖于对单个像素的统计评估。对于显示形状、边界、同质性或拓扑信息的图像对象，这种评估并不令人满意。在基于多时间对象的图像分析中，必须评估这些描述现实世界对象的额外信息维度。本文确定了与多时间对象识别相关的问题，并提出了基于图像对象的变化检测框架。为简单起见，该框架将 n 维问题分解为两个主要方面，即几何和主题内容。这两个方面可以与以下问题相关联：某个分类对象是否发生了几何变化、类别变化，还是两者兼而有之？我们什么时候才能将一个数据集中的对象识别为另一个数据集中的同一个对象？我们是否需要用户定义或特定于应用程序的阈值来表示几何重叠、形状-面积关系、质心移动等？本文阐明了对象变化检测的一些具体挑战，并将 GIS 功能纳入图像分析。
Andasol 3 太阳场的机载特性
摘要。位于西班牙格拉纳达附近的太阳能热抛物线槽式发电厂 Andasol 3 (AS3) 由 Marquesado Solar SL (MQS) 运营，于 2011 年秋季投入使用。装机容量为 49.9 MW el，结合满负荷下 7.5 小时的热能存储 (TES) 容量，年净发电量超过 165 GWh 1 (Dinter 和 Gonzalez 2014)。德国航空航天中心 (DLR) 开发了一种用于整个抛物线槽式发电厂的机载表征工具。这种称为 QFly SURVEY 的方法使用配备高分辨率数码相机的无人机 (UAV)，并提供有效的镜面斜率偏差和每个太阳能集热器元件 (SCE) 光轴的绝对方向。为了验证和演示 QFly SURVEY，2016 年 10 月 24 日至 2016 年 11 月 14 日期间，与 MQS 合作在 AS3 发电厂开展了一项全面的测量活动。主要目标是展示机载太阳能场特性测量的优势，包括快速数据采集、对工厂运行的干扰可忽略不计，并且无需在太阳能场安装任何额外的测量设备。QFly SURVEY 提供太阳能场光学性能的精确定量测量，并通过识别性能低下的区域和光学损耗的原因来支持从太阳能场收集的热能最大化。
Blaschke-T.-2005-基于变化检测的框架...
随着高分辨率卫星图像和机载数码相机数据方法的出现，包含上下文信息的方法被更广泛地使用。在图像分析中包含空间维度的一种方法是识别相对同质的区域并将其视为对象。虽然分割不是一个新概念，但基于图像分割的应用程序数量最近正在显著增加。同时，出现了新的方法挑战。标准变化检测和准确性评估技术主要依赖于统计评估单个像素。对于表现出形状、边界、同质性或拓扑信息的图像对象，此类评估并不令人满意。在基于多时间对象的图像分析中，必须评估描述现实世界对象的这些额外信息维度。本文确定了与多时间对象识别相关的问题，并提出了基于图像对象的变化检测框架。为简单起见，该框架将 n 维问题分解为两个主要方面，即几何和主题内容。这两个方面可以与以下问题相关联：某个分类对象是否在几何上、类别上或两者上发生了变化？我们何时可以将一个数据集中的对象识别为另一个数据集中的同一对象？我们是否需要用户定义或特定于应用程序的阈值来进行几何重叠、形状面积关系、质心移动等？本文阐明了对象变化检测的一些具体挑战，并将 GIS 功能纳入图像分析。
Blaschke-T.-2005-基于变化检测的框架...
随着高分辨率卫星图像和机载数码相机数据的出现，包含上下文信息的方法越来越常用。在图像分析中包含空间维度的一种方法是识别相对同质的区域并将其视为对象。虽然分割并不是一个新概念，但基于图像分割的应用程序数量最近正在显著增加。同时，新的方法挑战也随之出现。标准变化检测和精度评估技术主要依赖于对单个像素的统计评估。对于显示形状、边界、同质性或拓扑信息的图像对象，这种评估并不令人满意。在基于多时间对象的图像分析中，必须评估这些描述现实世界对象的额外信息维度。本文确定了与多时间对象识别相关的问题，并提出了基于图像对象的变化检测框架。为简单起见，该框架将 n 维问题分解为两个主要方面，即几何和主题内容。这两个方面可以与以下问题相关联：某个分类对象是否发生了几何变化、类别变化，还是两者兼而有之？我们什么时候才能将一个数据集中的对象识别为另一个数据集中的同一个对象？我们是否需要用户定义或特定于应用程序的阈值来表示几何重叠、形状-面积关系、质心移动等？本文阐明了对象变化检测的一些具体挑战，并将 GIS 功能纳入图像分析。
用于远程建筑检查和监控的无人机系统
摘要 本文报告了弗劳恩霍夫 IZFP 进行的一项调查，其中旋翼八旋翼微型飞行器 (MAV) 系统用于扫描建筑物，以使用高分辨率数码相机进行检查和监控。MAV 配备了基于微控制器的飞行控制系统和不同的传感器，用于导航和飞行稳定。照片以高速度和高频率拍摄，并存储在机上，然后在 MAV 完成任务后下载。然后将拍摄的照片拼接在一起，以获得完整的 2D 图像，其分辨率允许在毫米范围内观察到损坏和开裂。在后续步骤中，开发了一种图像处理软件，可以专门过滤掉开裂模式，这些模式可以在未来的步骤中从统计模式识别的角度进一步分析。引言民用基础设施建筑数量的增加已成为其老化过程和生命周期管理的一个问题。监测这些建筑物状况的传统方法是仅通过人工目视检查，可能还需要一些抽头测试。这种监测方式主要提供有关混凝土或石材结构开裂情况和可能脱落的覆盖层的完整信息。当考虑大坝、冷却塔、教堂或甚至简单的多层建筑的结构时，提供这些信息所需的努力可能会变得费力，因为检查需要大量的起重设备。一种规避这种努力的方法是使用无人驾驶飞行器 (UAV) 以及甚至小型的微型飞行器 (MAV) 作为机载传感器系统来捕获所需的数据。这种无人机在无损检测 (NDT) 中的潜在应用 _____________