XiaoMi-AI文件搜索系统
World File Search SystemObject
QSAR研究二酰基甘油酰基转移酶-1（DGAT-1 ...1简介面部检测是对象的子集...
1简介面部检测是对象识别的子集，这是计算机科学众多研究领域之一。在当天同样，它被认为是软件工程师和执法人员中的一个非常重要的问题，并且知道如何改善犯罪调查和预防犯罪事故。面部检测一直是一个主要的学术主题[1]。这是一种用于检测人脸的计算机视觉方法。计算机视觉已经走了很长一段路，现在有许多可以认为可以实现的研究项目，其中一些被纳入了一个被称为“ OpenCV”的开源计算机视觉项目中。“创建的开源计算机视觉和机器学习软件库，该库为计算机视觉应用提供标准基础，并加速商业产品中的机器感知，” OpenCV网站[2]表示。
可变形对象操纵的互动感知
摘要 - 互动感知使机器人能够操纵环境和对象将它们带入有利于感知过程的状态。可变形物体在基于视觉的感知中的严重操纵难度和遮挡，对此构成挑战。在这项工作中，我们通过涉及活动相机和对象操纵器的设置解决了这样的问题。我们的方法基于一个顺序的决策框架，并明确考虑了耦合相机和操纵器的运动规律性和结构。我们为构建和计算一个称为动态活动视觉空间（DAVS）的子空间的方法有效地利用了运动探索中的规律性。在模拟和真实的双臂机器人设置中都验证了框架和方法的有效性。我们的结果证实了可变形对象的交互感中的主动摄像头和协调运动的必要性。
inPainting驱动的掩模优化对象去除
摘要 - 本文提出了一种掩盖优化方法，用于使用图像介入来提高对象去除的质量。在许多现实情况下，许多介绍方法都经过一组随机掩码的训练，但在许多现实的情况下，indpainting的目标可能是一个对象，例如一个人。训练和推理图像中掩模之间的域间隙增加了介入任务的难度。在我们的方法中，通过训练通过分割提取的对象掩码训练介入网络来解决此域间隙，并且在推理步骤中也使用了此类对象掩码。此外，为了优化对象蒙版的介入，分割网络已连接到indpainting网络，并端到端训练以提高镶嵌性能。通过我们的面具扩展损失实现大型面具和小型面具之间的权衡，这种端到端训练的效果进一步增强了。实验结果证明了我们方法使用图像介入的方法去除对象的有效性。索引术语 - 图像inpainting，对象分割，对象删除
断裂对象组装的扩散模型
基于形状描述符和几何注册的传统方法通常会在模棱两可的特征上遇到较低的精度。最近的数据驱动方法固有地受到训练模型的表示和学习能力的影响。为了解决这个问题，我们提出了一种受扩散模型和变压器启发的新颖方法。我们的方法利用了它们的全局特征相关性和姿势先前的学习能力，将通过变压器通过变压器进行扩散来预测每个片段的姿势参数。我们在断裂的对象数据集上评估我们的方法，并与最新方法相比表现出卓越的性能。我们的方法提供了一种有前途的解决方案，可用于重新组装准确，稳健的裂缝对象，以复杂的形状分析和组装任务来推进该领域。
通过人工智能技术进行物体识别
1 博士学位，新格拉纳达军事大学（哥伦比亚卡希卡-昆迪纳马卡）。地址：jose.ramirez@unimilitar.edu.co ORCID： 0000-0002-7126-5378。 2 博士学位，新格拉纳达军事大学（哥伦比亚卡希卡-昆迪纳马卡）。 astrid.rubiano@unimilitar.edu.co 。 ORCID： 0000-0002-8894-7121。 3 博士学位，新格拉纳达军事大学（哥伦比亚卡希卡-昆迪纳马卡）。 robinson.jimenez@unimilitar.edu.co 。 ORCID： 0000-0002-4812-3734。
通过人工智能技术进行物体识别
1 博士学位，新格拉纳达军事大学（哥伦比亚卡希卡-昆迪纳马卡）。地址：jose.ramirez@unimilitar.edu.co ORCID： 0000-0002-7126-5378。 2 博士学位，新格拉纳达军事大学（哥伦比亚卡希卡-昆迪纳马卡）。 astrid.rubiano@unimilitar.edu.co 。 ORCID： 0000-0002-8894-7121。 3 博士学位，新格拉纳达军事大学（哥伦比亚卡希卡-昆迪纳马卡）。 robinson.jimenez@unimilitar.edu.co 。 ORCID： 0000-0002-4812-3734。
有效且可靠的实时对象检测模型...
国际计算机科学工程和技术研究杂志ISSN：3049-1665（在线）IJRCET-2024-DECEMBER论文，VOL1第1期，第1页，第1：9，www.ijrcet.in
提出信息对象生命周期模型和符号
Johannes Damarowsky ( Johannes.damarowsky@wiwi.uni-halle.de ) 在信息系统研究中，对组织内的信息及其流动进行建模已经很成熟。然而，信息的一个视角尚未用标准化的模型符号来表示：组织内的信息对象生命周期。将客户主数据（如姓名、地址、电话号码、电子邮件地址、出生日期）等信息理解为信息对象 (IO) 是一种视角和工具，它与可以表示它的著名静态建模符号非常吻合，例如实体关系模型 (ERM) 或 UML 类图。UML 部署图或 The Open Groups ArchiMate 等符号可以指示客户主数据 IO 的数字表示位于组织 IT 基础架构中的何处，例如哪些数据库在哪些物理服务器上包含它。但是，IO 在其生命周期内的行为没有可用的专用建模符号。重要的 IO 生命周期行为至少包括：1) 初始创建（即创建新客户）、2) 读取（例如，店员读取客户数据）、3) 向其添加新数据字段（例如，第二个地址）、4) 修改现有数据（例如，更新电话号码）、5) 实例化（例如，在纸质表格上打印客户数据或在另一个系统中创建数字副本）、6) 移动、7) 读取或 8) 修改实例（例如，将包含客户数据的纸质表格交给阅读并签名的主管或将客户主数据发送给供应商）、9) 销毁物理或数字实例或初始创建的对象。在最先进的技术中，可以使用行为图（如 UML 活动、用例或序列图）和业务流程符号（如事件驱动流程链 (EPC) 或业务流程模型和符号 (BPMN)）来建模 IO 操作，但 IO 生命周期本身并不是一个流程。因此，与 IO 生命周期相关的任务可以包含在多个流程模型中，并且可能仅间接或隐含地引用 IO，从而妨碍快速轻松地概览组织内 IO 的交互。这意味着机会成本，因为 IO 行为与组织信息、业务流程、合规性和信息安全管理相关。一种新颖的信息对象生命周期模型和符号 (IOLMN) 可以简化识别哪些部门记录或更新客户数据的过程，从而更容易识别错误信息的原因。还可以更容易地发现数据是否在多个部门独立记录和存储，这增加了数据存储不一致的风险。从合规性和信息安全的角度来看，可以更容易地识别哪些人对数据具有读取或写入权限，以及数据的实例在哪里创建以及它们可能最终在哪里。在发生安全漏洞的情况下，这样可以更轻松地识别哪些组织单位、流程和 IT 系统使用（读取、写入、修改等）IO 并可能受到影响。为了使 IOLMN 有用并轻松地实现对组织内 IO 的有用视角，它应至少包括 IO 属性、其（及其实例）生命周期行为、这些操作的时间和逻辑顺序和条件，以及涉及的人员、角色、部门、流程或 IT 系统及其对 IO 执行生命周期操作的授权。
用于监视和物体跟踪的飞翼无人机
飞翼无人机的开发是一个反复的过程，其中考虑和分析了各个领域。飞翼无人机的机身采用 3D 打印，以便快速制作原型和重新配置，以便在短时间内测试不同的有效载荷配置。机翼和翼梢小翼由高密度泡沫制成，以保持重量并提供足够的耐用性（图 72）。初始翼型测试首先在 xflr5 软件（第 4 章：翼型选择）中利用计算流体动力学 (CFD) 进行，然后在 Solidworks（第 5 章：翼型分析）中进一步分析。经过分析，选择 Eppler 344 作为根翼型，Eppler 325 作为翼梢翼型。翼梢小翼是 GOE 330 翼型。利用 Solid Works 中的 CFD（第 8 章：最终飞机设计）对最终模型进行了分析，发现足以满足要求。通过在肯尼索州立大学亚音速风洞中测试比例模型（第 10 章：风洞测试），确认了 CFD 结果。这些测试的结果证实了通过 CFD 获得的结果。
使用Yolov8
摘要 - 本文旨在探索3D视觉技术在后勤过程自动化中的应用，并在工业环境中使用深度学习进行对象识别和操纵。这项工作开发了一个3D视觉系统，该系统采用对象和键盘检测模型，该模型训练有Roboflow和Yolov8等工具（您只看一次版本8）。该方法包括数据收集和注释，深度学习模型的开发以及对获得结果的分析。模型在块和关键点识别中表现出很高的精度和回忆，由于注释的可变性，关键点模型的精度略有降低。整合模型提出了计算挑战，但合并的方法被证明在精确检测中有效。限制包括对资源优化和注释过程改进的需求。此外，获得的准确性是由于对象检测系统经过大量数据训练以提供高精度的事实。根据平均精度（地图）和恢复的度量进行训练和评估该模型，获得98.3％的地图，精度为96.4％，召回95.6％。关键字：3D视觉；物流自动化； roboflow;对象检测；关键点； Yolov8。