XiaoMi-AI文件搜索系统
World File Search SystemCounting
精确农业：在耕种阶段计算的甘蔗植物
摘要：世界上生产量最显着的收益是甘蔗。它是糖，乙醇，薯片，纸，弹幕和糖果的主要来源。许多人隶属于甘蔗生产及其产品。甘蔗工业在植物的分丁阶段之前与农民达成协议。行业热衷于了解甘蔗领域的收获前估计，以计划其生产和购买。拟议的研究贡献是双重的：通过发布我们新开发的数据集，我们还提出了一种估计耕作阶段甘蔗植物数量的方法。该数据集是在秋季从甘蔗场获得的。在这项工作中，已经提出了使用VGG-16具有Inception-V3模块的VGG-16提取特征提取的更快的R-CNN结构，并提出了用于检测和分类甘蔗植物的sigmoid阈值功能。通过所提出的体系结构获得了82.10％精度的显着有希望的结果，显示了开发方法的生存能力。
蝴蝶在分层内存上的平行化
黄油含量（又称矩形）是一个循环图案1，在图形分析中至关重要。尤其是，在两部分图上[41,61,3,97]上，But-Ter-ter-ter-ter-ter-ter-ter-ter-ter-ter-ter-ter-ter-ter-ter-ter-ter-ter-ter-ter-ter-ter-ter-ter-ter-ter-ter-ter-ter-ter-ter-ter-terlif y [78,80，77,76]，可以将顶点分为两个不相交组，并且仅在两组Vertices之间进行边缘。考虑图G =（v，e），其中v和e分别是ver和边缘的集合。黄油粉计数的问题是计算G中的黄油含量总数。黄油流数在许多应用中起着重要的作用，例如垃圾邮件检测[19,81,82]，推荐系统[70]，单词文献集群[16]，研究小组识别[15]，并根据传输理论[11]链接前词典。最近，Lyu等。[46]在电子商务的欺诈检测场景中，将黄油计算到修剪的顶点。
折扣：以基于检测器的重要性采样
许多应用程序使用计算机视觉来检测和计算大量图像集中的对象。但是，当任务非常困难或需要快速响应时间时，可能无法训练足够的计数模型。例如，在灾难响应期间，艾滋病组织的目标是快速计算卫星图像中损坏的建筑物以计划救济任务，但是由于域的转移，预先训练的建筑物和损害探讨的表现往往差不多。在这种情况下，有必要采用人类的方法，这些方法可以用最少的人类努力来统计。我们提出了一个基于检测器的重要性采样框架，用于计算大型图像集合。圆盘口使用不完善的检测器和人类筛选来估计低方差无偏计数。我们提出了使用少量筛选并估算置信区间来对多个空间或时间区域进行计数的技术。此使最终用户能够在估计足够准确的情况下停止筛选，这通常是现实世界应用中的目标。我们通过两种应用演示了我们的方法：在雷达图像中计数鸟类以了解对气候变化的反应，并计算卫星图像中受损的建筑物，以便在自然灾害袭击的地区进行损害评估。在技术方面，我们基于控制变化而开发了降低方差技术，并证明了估计量的（条件）无偏见。圆盘量导致标签成本减少9-12倍，与我们考虑的任务的天真筛查相比，获得相同的错误率，并超过了替代基于协变量的筛选方法。
具有光谱光子计数CT的假肢心瓣的超高分辨率和K边缘成像
背景和目的：心脏计算机断层扫描（CT）对假体心脏瓣膜（PHV）综合的检测和表征的贡献仍然受到限制。配备有光子计数检测器（PCD）的计算机断层扫描系统有可能克服这些局限性。因此，该研究的目的是将PHV的图像质量与PCD-CT和双能双层CT（DEDL-CT）进行比较。材料和方法：将两个金属和3个生物PHV放置在一个管子内，该管子内含有稀释的碘对比度，并在DEDL-CT和PCD-CT上以不同的角度反复扫描。两个小病变（厚度约2毫米；分别包含肌肉和脂肪）连接到4个阀的结构上，放置在胸腔幻影内，有和没有一个张力环，然后再次扫描。的采集参数是2个CT系统匹配的，并用于所有扫描。金属阀再次用适合钨k边缘成像的pa-Rameters扫描。对于所有阀门，在常规图像上测量了不同的金属零件，以评估其厚度和开花伪影。此外，还绘制了每个金属阀的6个平行剥离，并且所有密度<3倍对比介质的标准偏差的体体均被记录为条纹伪影的估计值。为主观分析，3位专家读者评估了阀门的常规图像，有和没有病变，以及钨K边缘图像。的阀门不同部分的显着性和清晰度，病变，金属和盛开的伪影的量表以4分制评分。将测量和分数与配对t检验或Wilcoxon检验进行比较。结果：客观分析表明，使用PCD-CT，瓣膜金属结构较薄，并且呈鲜花化的伪影。金属伪影也用PCD-CT（11 [四分位数（IQ）= 6] vs 40 [IQ = 13]％的体素量减少。主观分析允许注意到某些结构是可见的
光子计数 CT：高分辨率，辐射更少
CT 扫描仪是诊断和监测各种健康状况以及介入和研究用途的成熟工具。1 CT 扫描仪为医疗保健从业者提供人体的详细横截面视图。自 20 世纪 70 年代开发以来，CT 扫描仪经历了众多技术进步，包括提高图像分辨率、加快扫描时间以及创建非造影图像的能力。1-3 CADTH 的加拿大医学影像清单记录了加拿大各地先进影像设备（包括 CT）的供应、分销、技术操作以及一般临床和研究使用的当前实践和发展。4 根据目前可用的数据，CT 扫描仪是加拿大最常见的影像方式：加拿大有 544 个 CT 单位，分布不均。4 在过去十年中，进行的 CT 扫描量增加了 47.7%（2022-2023 年约为 650 万次，而 2012 年为 440 万次），每 1,000 人进行的 CT 检查增加了 28.9%（2022-2023 年为 162.0 次，而 2012 年为 125.7 次）。4 我们还意识到加拿大的成像设备正在老化：2022-2023 年的一项调查发现，三分之一的 CT 设备至少有 10 年的历史。这表明需要在未来 5 年内更换许多 CT 设备；加拿大放射学会建议任何成像设备的最大预期寿命和临床相关性不超过 15 年。4 尽管 CT 技术取得了进步，但传统 CT 扫描仪仍存在局限性，包括图像伪影，这可能会限制植入医疗设备的人的诊断准确性（金属物体会吸收或散射 X 射线，导致扫描结果出现阴影或条纹）。3
用于量子机器学习和光子计数的 3D 腔中 Transmon 量子比特的表征
1 INFN—弗拉斯卡蒂国家实验室，00044 弗拉斯卡蒂，意大利； matteo.beretta@lnf.infn.it （MB）; fabio.chiarello@ifn.cnr.it（FC）; apiedjou@lnf.infn.it （ASPK）; carlo.ligi@lnf.infn.it （CL）; giovanni.maccarrone@lnf.infn.it（GM）; luca.piersanti@lnf.infn.it （LP）; alessio.rettaroli@lnf.infn.it （AR）; simone.tocci@lnf.infn.it （ST）; claudio.gatti@lnf.infn.it （CG）2 量子研究中心，技术创新研究所，阿布扎比邮政信箱 9639，阿拉伯联合酋长国； boulos.alfakes@tii.ae （英国航空）； anas.alkhazaleh@tii.ae （AA）; stefano.carrazza@cern.ch （SC）; andrea.pasquale@unimi.it（美联社） florent.ravaux@tii.ea (FR) 3 佛罗伦萨大学物理与天文系，意大利塞斯托菲奥伦蒂诺 50019； leonardo.banchi@unifi.it 4 INFN—佛罗伦萨分部，50019 Sesto Fiorentino，意大利 5 米兰大学物理系 TIF 实验室，20133 米兰，意大利； matteo.robbiati@cern.ch 6 INFN 米兰分部，Via Giovanni Celoria 16, 20133 米兰，意大利 7 CERN，理论物理部，CH-1211 日内瓦，瑞士 8 CNR 光子学和纳米技术研究所，00156 罗马，意大利 9 米兰比可卡大学物理系，20126 米兰，意大利； andrea.giachero@mib.infn.it （AG）; emanuele.palumbo@lnf.infn.it (EP) 10 INFN Milano Bicocca Section, Piazza della Scienza 3, 20126 Milano, 意大利 11 Bicocca Quantum Technologies (BiQuTe) Centre, 20126 Milano, 意大利 12 海德堡大学物理与天文系, 69120 Heidelberg, 德国； felix.henrich@stud.uni-heidelberg.de 13 比萨大学信息工程系，Via G. Caruso 16，56122 比萨，意大利； massimo@mercurio.iet.unipi.it * 通信地址：alessandro.delia@lnf.infn.it
主题：科罗拉多州科罗拉多斯普林斯的交通计数技术和服务 RFI
这些设备将用于通过提供完整的交叉路口感知覆盖来增强各种交通场景的系统集成。通过创建交叉路口内和周围的用户更完整的图像，它通过允许交通系统更好地适应突发变化来提高弹性，并通过保护弱势道路使用者来提高公平性和可及性。改进规划、运营和维护并更好地集成来自第三方提供商的数据，实施增强型交通监控系统势在必行。
在量子机学习和光子计数的3D腔中的Transmon Qubit表征
1 INFN-国民弗拉斯卡特劳动，00044弗拉什，意大利； sweeping.infn.infn.infn（M.B.）; fabio.chiryland@ifn.it（f.c。）;应用程序@lnph.infn.infn.it（A.S.P.K.）; carlo.infn.infn.infn.it（c.l.）; playon.marfn@lnfn.infn.it（g.m。）; light.infn.infn.infn（l.p.）; supresiumsups.infn.infn.infn（A.R.）; symones.infn.infn.infn（s.t.）; classy.gate@lnfn.infn.infn（c.g.）2个量子，技术行业，阿布扎比P.O.BOOX 9639，UNITD EMIRATES； boulos.alphakes@tii.ae（B.A.）; dulls.alkhazaleih@tii.ae（a.a.）; Singer.car.crun.c（S.C.）; dried.passquare@unimi.it（A.P.）; florent.ravaux@tii.ea（f.r。）3个身体和天文学，企业大学，意大利50019 Shift； leonardo.bank@unifi.it 4 INFN - 赛车区，50019 Shift，Italy 5 TIF，米兰大学研究系物理系，20133年，意大利米拉诺； skull.robeat@can 6 6米兰诺的INFN部门，通过约翰福音16号，20133年，米兰，意大利7，理论物理部，CH-1211遗传学学家，瑞士学家，Switzerists 8 Italy 9 Italy 9 Italy Switzerolokist 9，意大利9号米兰诺（Milano-bycoccas）物理学系，20126年米兰诺，20166年意大利，意大利米兰； swallow.gyfn.infn.in Infundund（A.G.）; emanuele.palumbo@lnfn.in.in.it（e.p。）米兰比科卡（Milan Bicocca）的10个INFN部分，Piazza della scienza 3，20126米兰，意大利米兰11 Bicocca量子技术（Bioste）中心，20126年米兰，意大利米兰，意大利物理和天文学系，海德尔伯格大学，69120 Heidelberg，德国海德尔伯格； felix.henrich@stud.uni-heidelberg.de 13 PISA大学信息工程系，通过G. Caruso 16，56122 Pisa，意大利Pisa； massimo@mercurio.iet.unipi.it *通信：Alessandro.delia@lnf.infn.it
用于量子机器学习和光子计数的 3D 腔中 Transmon 量子比特的表征
1 INFN - 弗拉斯卡蒂国家实验室，00044 弗拉斯卡蒂，罗马，意大利； 2 量子研究中心，技术创新研究所，邮政信箱 9639，阿布扎比，阿拉伯联合酋长国； 3 佛罗伦萨大学物理与天文系 4 INFN 佛罗伦萨分部，I-50019，塞斯托菲奥伦蒂诺，意大利佛罗伦萨 5 米兰大学物理系 TIF 实验室，意大利米兰； 6 INFN 米兰分会，意大利米兰； 7 欧洲核子研究中心，理论物理部，瑞士日内瓦 23 CH-1211； 8 光子学和纳米技术研究所 CNR，00156 罗马，意大利； 9 米兰比可卡大学物理系，I-20126 米兰，意大利 10 INFN Sezione di Milano Bicocca，I-20126 米兰，意大利 11 Bicocca Quantum Technologies (BiQuTe)Centre，I-20126 米兰，意大利 12 海德堡大学物理与天文系，69120 海德堡，德国 13 比萨大学信息工程系，Via G. Caruso 16，56122 比萨，意大利 * 通信地址：alessandro.delia@lnf.infn.it；