XiaoMi-AI文件搜索系统
World File Search SystemGrayscale
在 COVID-19 传播的防护范围内：基于中性 RGB 和深度迁移学习的口罩检测模型。
摘要：2020 年，COVID-19 的迅速蔓延迫使世界卫生组织 (WHO) 宣布 COVID-19 为全球大流行病。根据世卫组织的说法，预防此类病毒的对策之一是在公共场所佩戴口罩。本文提出了一种基于中性 RGB 和深度迁移学习提取特征的口罩检测模型。建议的模型分为三个步骤，第一步是转换到中性 RGB 域。这项工作被认为是将中性 RGB 转换应用于图像域的首次尝试之一，因为它通常用于灰度图像的转换。第二步是使用层数较少的 Alexnet 进行特征提取。第三步使用两种传统的机器学习算法创建检测模型：决策树分类器和支持向量机 (SVM)。将模拟口罩人脸数据集（SMF）与真实口罩人脸数据集（RMF）合并为一个包含两个类别（戴口罩人脸、不戴口罩人脸）的数据集，实验结果表明，真（T）中性域的SVM分类器测试准确率最高，为98.37%。
基于 Segment Anything 模型的脑肿瘤 MRI 分割方法
不同类型的脑肿瘤区域的精确分割是医学图像分割中的关键任务。在临床上，脑部MRI包含丰富的信息，可以极大地帮助医生对脑肿瘤患者的检查和诊断。随着人工智能（AI）和计算机技术的进步，一些基础模型在计算机视觉领域越来越发挥着举足轻重的作用。Segment Anything模型（SAM）是图像分割领域的基础模型，以其出色的零样本分割性能和迁移能力而闻名，在自然图像处理中取得了令人赞叹的效果。为了探索SAM在脑肿瘤MRI分割中的有效性并解决由于图像灰度不均匀导致的分割精度低的问题，提出了一种基于SAM特征融合的方法。将Transformer和卷积神经网络（CNN）融合的特征输入到mask解码器中，利用Transformer的注意力机制更有效地捕捉图像中的全局关系，从而提高输出的精度。实验证明，本研究提出的方法超越了单独使用SAM的分割性能，实现了脑肿瘤MRI的精确分割。
用于融合成像的鸟类宽带神经形态视觉传感器阵列
随着人工智能的发展，可穿戴视觉仿生设备正在取得显著进步。然而，传统的硅视觉芯片往往面临着高能量损失和模拟复杂生物行为的挑战。在本研究中，我们通过精心引导有机分子的排列，构建了范德华 P3HT/GaAs 纳米线 PN 结。结合肖特基结，这实现了多方面的类似鸟类的视觉增强，包括宽带非易失性存储、低光感知和接近零功耗的工作模式，无论是在单个设备和任意基板上的 5×5 阵列中。具体来说，我们实现了超过 5 位的内存传感和计算，具有负和正光电导性。当与两种成像模式（可见光和紫外线）结合时，我们的储层计算系统对颜色识别的准确率高达 94%。它实现了运动和紫外线灰度信息提取（显示防晒霜），从而实现融合视觉成像。这项工作为宽带、高度仿生的光电神经形态系统提供了有前景的材料和器件的联合设计。
学习与可区分的精确模板匹配...
抽象模板匹配是计算机视觉中的一项基本任务，已经研究了数十年。它在制造业中起着至关重要的作用，可以估算不同部分的姿势，从而促进了下游任务，例如机器人抓握。当模板和源图像具有不同的方式，混乱背景或弱纹理时，现有方法失败。他们也很少考虑通过同谱进行几何变换，即使对于平面工业部位，它们通常也存在。为了应对挑战，我们提出了一种基于可不同的粗到功能对应关系的准确模板匹配方法。我们使用边缘感知模块来克服蒙版模板和灰度图像之间的域间隙，从而允许匹配。使用基于变形金刚提供的新结构感知信息的粗略对应关系来估算初始翘曲。使用参考图和对齐图像获得了用于获得最终几何变换的子像素级对应关系，将此初始对齐传递给了重新构造网络。广泛的评估表明，我们的方法比最先进的方法和基准要好得多，即使在看不见的真实数据上，也提供了良好的概括能力和视觉上可行的结果。
使用OpenCV
车道检测是自动和动态汽车驾驶系统的最基本要求。这是汽车技术的进步，在该技术中，车辆在道路上对车道进行判断，并根据它进行操纵。车道检测系统具有多种好处，例如减轻驾驶员疲劳，车道开关期间的事故，驾驶员分心等。随着数量越来越多的事故，纯粹是由于驾驶习惯不一致，当今世界需要一个自主驾驶系统。车道检测系统基于道路上的白路标记，因此在没有标记的情况下，车道检测系统可能会发生系统故障。使用OPENCV库开发此系统，该库处理图像和视频以进行进一步分析，并以灰度选择数据进行的过程，而不是颜色，以提高相应输出的准确性。为了增加系统的数据处理功能，Canny Edge检测与高斯过滤器一起实施，并转换霍夫转换，以捕获和分析道路的适当视图。，我们使用图像和视频作为样品输入来测试我们的系统，该系统大致复制了道路以测试系统的准确性和处理能力。
深圳Lianxinke Micro-Electronics Co.，Ltd.地址
lianxinke智能自动编码系列采用了专利的技术，具有智能的多用量误差识别编码线，该技术稳定而可靠地实现了全日制自动编码。它还支持0个场功能原型IC应用程序，并且在交付灯后不需要编码。工程安装和售后维护非常方便，并且可以将智能自动编码系列中不同的IC系列混合在灯中以进行自动编码。ucs512h系列使用DMX512差分并行协议LED驱动器芯片，并支持1/2/2/3/4局部高精确常数恒定电流输出和65536灰度级别。UCS512H系列采用第二代自适应微频转换技术开发的灰度平滑函数，以最大程度地发挥低灰色和无抖动的效果。最多32K端口的刷新速率可改善射击效果，地址线检测模式可以迅速通过地址线失败定位灯。芯片提供4个高精度恒定电流输出通道为120mA。电流的输出大小可以由外部电阻器设置，并且每个通道的电流可以通过软件独立调整64个级别。
皮带洒水检测方法在复杂工作下...
摘要 - 皮带输送机被广泛用于跨冶金，采矿和其他行业的材料运输。他们的长时间操作不可避免地会导致皮带偏差和溢出等问题。目前，皮带偏差主要是由于矿石的分布不均匀，这也导致溢出。如果这些问题未迅速解决，它们可能会破坏生产并构成许多安全风险。矿石运输过程通常以浓烟和复杂的环境为特征，使手动检查时间耗时，劳动力密集并且可能存在危险。本文介绍了一种基于机器视觉的皮带洒水检测方法，以实现复杂的工作条件。它增强并处理由摄像机收集的皮带的灰度图像，以消除烟雾干扰并突出皮带和矿石的特征。边缘检测和霍夫变换用于查明皮带的边缘，确定皮带和矿石内部的分布。GWO-SVM（灰狼优化器支持矢量机）模型，以实时预测皮带的运行状态，以确定任何异常以确保安全生产。实验比较表明，GWO-SVM模型动态选择“ C”和“ G”的最佳参数，从而得出准确的分类和检测结果。它的特征是高精度，强大的实时性能和出色的稳定性，有效地节省了成本和保护生产安全。
empartimanasi kriptografi视觉秘密共享dan
当前时代的技术非常迅速地导致交换信息的过程变得更加容易。但是，对于黑客攻击消息或机密信息的当事人，通常会使用这种易感性。密码学和隐身学成为保护和改善消息安全性或机密信息安全性的解决方案之一。这项研究研究了以灰度成像形式确保数据的最小显着性的视觉秘密共享密码学和隐肌的实施。消息图像被视觉秘密共享密码学伪装，然后隐藏在另一个图像中，加密摄影增强了最小的显着位。增强的最低显着位是至少有意义的位方法，在将其用作隐藏消息的地方而不是最后一个LSB位，而是最后一个LSB位的两个或三个。结果表明，此合并具有很高的安全性，因为它减少了看到发送消息图像的人的怀疑。
自适应神经模糊推理系统用于对五种主要类型的脑肿瘤进行分类
1 15.5399 446.433 0.000108 0.000127 0.2816 3.6817 2 14.7607 427.681 0.000126 0.000151 0.2933 3.5751 3 15.5426 447.411 0.000108 0.000127 0.2810 3.6939 4 15.3294 434.847 0.000116 0.00014 0.2762 3.7014 5 15.9980 466.920 0.0001 0.000118 0.2718 3.8210 6 16.2995 455.317 0.000972 0.000117 0.2540 3.8918 7 16.8535 461.050 0.000906 0.00011 0.2365 3.9722 8 15.2010 463.274 0.000113 0.000132 0.2981 3.6796 9 13.6257 406.182 0.00015 0.000185 0.3333 3.2856 10 13.9531 413.331 0.000143 0.000175 0.3219 3.4029 11 13.1538 400.748 0.000161 0.000200 0.3529 3.2298 12 14.2234 417.177 0.000137 0.000165 0.3123 3.4526 13 13.6782 420.489 0.000142 0.000167 0.3506 3.2687 14 13.5103 417.582 0.000144 0.000169 0.3583 3.1849 15 13.2064 412.893 0.000151 0.000178 0.3698 3.1134 16 12.3658 388.257 0.000181 0.000226 0.3857 3.0153 17 12.9241 397.207 0.000167 0.00021 0.3573 3.2094 18 13.5875 407.496 0.000151 0.000185 0.3342 3.3352 19 14.2193 425.415 0.000137 0.000164 0.3174 3.4692 20 14.9834 443.361 0.000118 0.000138 0.3040 3.5664 表2 归一化灰阶MRI图像特征向量 图像序列
64 128 3D堆叠的Spad图像传感器，用于低光...
摘要：在许多领域，诸如安全监视，夜间自动驾驶，荒野救援和环境监测等许多领域的急需需求都有急需的需求。SPAD设备的出色性能为它们在低光成像中的应用中带来了巨大的潜力。本文介绍了专为低光成像设计的64（行）×128（列）SPAD图像传感器。芯片利用了三维堆叠结构和微卷技术，再加上紧凑的门控像素电路，设计了厚山墙MOS晶体管，从而进一步增强了Spad的光敏性。可配置的数字控制电路允许调整曝光时间，从而使传感器适应不同的照明条件。芯片表现出非常低的黑噪声水平，平均DCR为41.5 cps，在2.4 V多余的偏置电压下。此外，它采用了专门为SPAD图像传感器开发的脱氧算法，在6×10 - 4 Lux照明条件下实现了两维灰度成像，表现出出色的低光成像功能。本文设计的芯片充分利用了SPAD图像传感器的性能优势，并且对需要低光成像功能的各个领域的应用有望。