XiaoMi-AI文件搜索系统
World File Search System视频流
利用大规模大脑启发光子计算机识别人体动作
在计算机视觉中，视频流中人体动作的识别是一项具有挑战性的任务，其主要应用领域包括脑机接口和监控。深度学习最近取得了显著的成果，但在实践中却很难使用，因为它的训练需要大量数据集和专用的耗能硬件。在这项工作中，我们提出了一种光子硬件方法。我们的实验装置由现成的组件组成，并实现了一个易于训练的循环神经网络，该网络有 16,384 个节点，可扩展到数十万个节点。该系统基于储层计算范式，经过训练，可以使用原始帧作为输入，或者使用定向梯度直方图算法提取的一组特征，从 KTH 视频数据库中识别六种人体动作。我们报告的分类准确率为 91.3%，与最先进的数字实现相当，同时与现有硬件方法相比，处理速度更快。由于光子架构提供的大规模并行处理能力，我们预计这项工作将为实时视频处理的简单可重构和节能的解决方案铺平道路。
TPA5050 - 德州仪器
• 高清电视唇形同步延迟 • 数字音频格式：16-24 位 I2S，右对齐、左对齐 • 平板电视唇形同步延迟 • 家庭影院后声道效果 • I2C 总线控制 • 无线扬声器前置声道 • 单串行输入端口同步 • 延迟时间：170 ms/ch @ fs = 48 kHz • 延迟分辨率：一个样本 • 加电时或加电后清除延迟内存 TPA5050 接受单个串行音频输入，并在单个串行输出上输出延迟的音频数据。一个器件允许高达 170 ms/ch (fs = 48 kHz) 的延迟，以将音频流与具有复杂视频控制处理算法的系统中的视频流同步。如果需要更多延迟，可以将器件串联连接。fs = 32 kHz–192 kHz • 无需外部晶体或振荡器 – 所有内部时钟均由音频时钟生成 • 表面贴装 4mm × 4mm、16 引脚 QFN 封装
TPA5050 - 德州仪器
• 高清电视唇形同步延迟 • 数字音频格式：16-24 位 I2S、右对齐、左对齐 • 平板电视唇形同步延迟 • 家庭影院后声道效果 • I2C 总线控制 • 无线扬声器前置声道 • 单串行输入端口同步 • 延迟时间：fs = 48 kHz 时为 170 ms/ch • 延迟分辨率：一个样本 • 加电时或加电后清除延迟内存 TPA5050 接受单个串行音频输入，在可选时间段内缓冲数据，并在单个串行输出上输出延迟的音频数据。一个器件允许高达 170 ms/ch (fs = 48 kHz) 的延迟，以将音频流与具有复杂视频处理算法的系统中的视频流同步。如果需要更多延迟，可以将器件串联连接。其中 fs = 32 kHz–192 kHz • 无需外部晶体或振荡器 – 所有内部时钟均由音频时钟生成 • 表面贴装 4mm × 4mm、16 引脚 QFN 封装
用于 MEC/UXO 检测的水下金属探测器
TEMA 具有多种外形尺寸，有两种部署类型，每种都有 3 米的幅宽，可根据现场条件选择。TEMA 使用 Geonics EM61 (EM61MK2-HP) 的高功率版本。HP 装置比标准 EM61MK2 将检测范围增加了 45% 到 80%。拖鱼主要有两种类型 - 深拖 TEMA-MK3，可在 3 至 100 米深的水中操作，以及 TEMA-Lite，可在极浅的水中漂浮和推动或拖曳，深度约为 40 米。TEMA-MK3 采用定制遥测系统。来自三个 EM 传感器以及所有辅助传感器的所有数据都通过单根双绞线或一根单模光纤电缆进行多路复用。通过使用光纤多路复用器 (MUX)，TEMA 能够在数据收集期间将两个全 1080 像素高清视频流与多个标准清晰度流同时实时传输到水面，以及来自三个 EM 单元、两个高度计、航向和倾斜传感器以及 USBL 响应器触发信号的数据。光纤 MUX 还允许实时控制和上传来自 Tetra Tech 定制水下数码单反 (DSLR) 相机外壳的静态照片。
扩展 NCTUns 模拟器以支持移动网络
扩展 NCTUns 模拟器以支持移动网络 Juliano V. Quaglio、Tetsu Gunji、Celso M. Hirata 航空技术学院 Praça Marechal Eduardo Gomes 50 12228-900 巴西圣保罗 juliano.quaglio@gmail.com、tgunji@uol.com.br、hirata@ita.br 摘要 NCTUns 是一个基于 Linux 的网络模拟器/仿真器，它具有许多功能，例如无需修改即可执行真实世界的应用程序，以及使用真实 TCP/IP 网络堆栈对各种网络设备进行建模的功能。但是 NCTUns 仅支持移动主机的模拟/仿真，而不支持移动网络。因此，使用传统的 NCTUns，无法模拟更复杂的场景，包括具有移动网络的 C4I2SR 系统，例如，具有与外部网络（地面控制中心）通信的内部嵌入式网络的飞机。受此限制的启发，我们提出并描述了 NCTUns 的扩展，以便允许对需要两个 NCTUns 实例的系统进行建模和仿真。该扩展允许使用分布式计算机模拟具有视频流并由移动网络组成的 C4I2SR 系统场景。该方法可以提高对建模的信心。
用TensorFlow
摘要：许多行业，包括自动驾驶汽车，安全性和图像分析，使用对象检测，关键的计算机视觉问题。您可以使用TensorFlow，这是顶级深度学习框架之一，进行对象标识，此详细指南将带您完成过程的每个步骤。我们将引导您完成初始设置，然后再演示如何从Tensorflow模型动物园中选择预训练的模型，并帮助您自定义它们以执行特定对象标识任务。您将获得有关数据集准备，数据增强和关键模型培训程序的知识。本书还涵盖了模型评估的复杂性，这将帮助您使用平均平均精度（MAP）等指标评估对象检测模型的有效性。我们以实用的重点提供了典型问题和最佳解决方案的洞察力。最后，我们使用您学到的模型来查看有关新鲜图片或视频流的推理的过程。从设置到推理，将向您彻底解释整个对象检测过程，从而为您提供使用TensorFlow所需的信息和能力来满足对象检测需求。关键字：对象检测，张量，设置，推理，深度学习，综合指南
DSPmagazine - Xilinx
用于 DSP 的 FPGA 市值已超过 5 亿美元；事实上，该细分市场的增长速度快于规模更大、更成熟的 DSP 芯片市场。原因多种多样，但性能是主要驱动因素，因为 FPGA 在最大带宽和可同时处理的通信通道或视频流数量方面轻松超越传统 DSP 芯片。随着 FPGA 通过先进的 CMOS 处理变得更加强大和便宜，独立的 FPGA DSP 解决方案正变得实用。在最近对来自 30 个国家的 300 多名 DSP 专业人士进行的调查中，Forward Concepts 问道：“在您的应用程序中，哪些芯片类型用于执行 DSP 算法（而不是数据处理）？”图 1 中 DSP 和 FPGA 的比较结果清楚地表明，FPGA 在 DSP 中发挥着日益重要的作用，并且作用多种多样。正如预期的那样，通用 (GP) 定点 DSP 获得最多的提及，其次是 GP 浮点 DSP。但值得注意的是，用于 DSP 的独立 FPGA 在获得的响应数量上表现出色，与作为加速器的 FPGA 与 DSP 配对的响应数量相同。令人惊讶的是，与 RISC 配对的 FPGA 也表现出显着的
Press Realese MWC 2024Telefónica和WürthDrive行业4.0，西班牙第一个5G智能物流解决方案
演示文稿“ AI物流：物流中心的人工智能革命”。马德里，2月8日，2024年。-Telefónica和WürthEspaña，在不同领域的工业用品专业直接销售领导者，在Agoncillo（LaRioja）的后勤中心（LaRioja）中开发并实施了基于5G+和人工智能的几种解决方案，使其成为第一个Intelligent Intelligent Intelligent Intelligent Intelligent Intelligent Intelligent Logistics行业。以这种方式，Telefónica与诺基亚，Teradata和Etiqmedia的合作，已经回应了工厂某些过程的优化需求，以及Würth在其物流过程中发展的目标。在本机中部署在中心中的最新5G+网络将人工智能纳入人工智能，能够预测未来的情况，以便在当前做出决策。在这种连接性的基础上，由于从位于物流中心的各个点的连接摄像机生成的超高定义视频流中实时提取的数据，已将人工视觉解决方案集成到控制物流过程中，该视频流在分析和数据管理平台中与生态系统的其余部分集成。这种创新的解决方案对Würth提出的五个挑战提供了直接回应：
在5G启用IoT环境中网络切片的安全含义
5G技术的出现代表了移动通信的革命性步骤，其标志是无与伦比的数据传输速率，低延迟和对大量连接设备密度的支持。高级技术（例如网络切片），可以使网络资源的动态分配以满足各种服务要求，这是这种革命性转移的基础[1]。使用网络切片，可以在单个物理基础架构上建立几个针对某些用例定制的虚拟网络[2]。网络切片是5G的关键组成部分，可以很好地满足物联网的不断扩展的需求，包括无人驾驶汽车，智能城市和医疗保健等应用程序。网络切片将物理网络通过使用虚拟化技术作为软件定义的网络（SDN）和网络功能虚拟化（NFV）[3]，将物理网络分为离散的虚拟切片。每个切片都可以自主功能，规定分配给其的资源和服务是为满足特定需求而定制的。旨在增强移动宽带（EMBB）的网络切片可能优先考虑视频流的高通量服务，而另一个支持超可靠的低延迟通信（URLLC）的切片可能会服务于任务至关重要的应用程序[4]。
Vilte和Vinr：IMS技术视频通话之间的电池消耗比较
关于第五代（5G）通信系统对移动网络发展的影响的讨论很多。根据[1]，与移动网络相关的设备的数量预计在2018年至2023年之间将扩大约48.9％，这表明与网络连接的智能手机的增加到8.8亿增加到131亿。由于Covid-19造成的限制，视频通话服务的使用大幅增加，这是一种快速有效的减少家庭之间距离的方法[2]。作为长期演变的视频和新无线电（Vilte和Vinr）是视频流技术，它们的使用增加了数据流量速率（吞吐量）；因此，电池的消耗量会更高[3]。为了解决这个问题，许多智能手机供应商投资于推进和改进电池技术，但是能源存储的发展速度比市场所需的要慢。因此，该需求的结果是对用户设备（UE）和端到端（E2E）通信网络的功耗的扩增[4]。因此，每年的售价为2000万美元，因为将智能手机插入的时间比保持全额充电的时间长于必要的时间[5]。由于对视频服务的需求很高，因此与4G服务有关的研究有所增加，以提供高清（HD）视频呼叫，以更好的服务质量（QoS）。此外，受4G启发的5G为用户提供了全部高清（FHD）视频通话和可靠的通信服务[3]。最近的研究[6]证明了5G提供了改进的移动宽带（MBB），