XiaoMi-AI文件搜索系统
World File Search SystemULE
从大规模雷达数据中高效提取排水网络...
摘要。现代遥感技术获取的全球和区域高程数据集的可用性为显著提高河流测绘的准确性提供了机会，尤其是在偏远、难以到达的地区。从数字高程模型 (DEM) 中提取河流基于流量累积计算，这是一个汇总参数，当应用于遥感技术生成的大型、嘈杂的 DEM 时，会带来性能和准确性挑战。对 DEM 洼地的稳健处理对于从此类数据中可靠地提取连接的排水网络至关重要。在 GRASS GIS 中作为模块 r.watershed 实现的最低成本流量路由方法经过重新设计，以显著提高其速度、功能和内存要求，并使其成为从大型 DEM 进行河流测绘和流域分析的有效工具。为了评估其对大型洼地（典型的遥感 DEM）的处理能力，我们比较了三种不同的方法：传统洼地填充法、影响减少法和最小成本路径搜索法。比较使用航天飞机雷达地形任务 (SRTM) 和干涉合成孔径雷达高程 (IFSARE) 数据集进行，这些数据集分别覆盖巴拿马中部，分辨率为 90 米和 10 米。精度评估基于 GPS 获取的地面控制点和从选定巴拿马河流沿岸的 Landsat 影像数字化的参考点。结果表明，最小成本路径方法的新实现比原始版本快得多，可以处理大量数据集，并根据参考点验证的河流位置提供最准确的结果。
亚赫兹级激光线宽 - NPL 出版物
由于本报告篇幅有限，因此假设读者对将激光器稳定到参考腔体领域有一定的了解。对于不熟悉该领域的人来说，Hamilton 的评论文章 [1] 是一个很好的起点。虽然提高激光器的被动稳定性很有用，但只能将激光线宽减小到一定程度。为了取得进一步进展，需要进行主动稳定。主动稳定的先决条件是鉴频器。可以使用分子吸收或参考腔体。参考腔体有两个优点，首先，谐振梳允许访问光谱中的任何位置。此外，控制信号的信噪比可以几乎无限制地增加，而不会因功率而使谐振变宽。在实现这种类型的激光稳定之前，激光源必须以单一的空间和时间模式运行。还假设有足够带宽的致动器来涵盖激光器的固有噪声。这些致动器既可以作用于激光腔本身（压电安装镜、腔内布鲁斯特板），也可以作用于腔外的光（声光调制器 -AOM、电光调制器 -EOM）。20 世纪 80 年代，出现了许多技术发展，使得构建 1 赫兹激光器成为可能。使用参考腔的主要问题之一是热长度变化。
物质和量子计算的拓扑阶段
国会图书馆的出版数据名称名称：关于物质和量子计算拓扑阶段的AMS特别会议（2016年：Brunswick，ME），作者。|布鲁拉德，保罗，1984年 - 编辑。| Ortiz Marrero，Carlos，1989年 - 编辑。|朱莉娅·普拉夫尼克（Plavnik），1985年 - 编辑。标题：物质和量子计算的拓扑阶段：关于物质和量子计算拓扑阶段的AMS特别会议，2016年9月24日至25日，缅因州 /保罗·布鲁拉德（Maine / Paul Bruillard），Carlos Ortiz Marrero，Julia Plavnik，编辑。描述：罗德岛州普罗维登斯：美国数学学会，[2020] |系列：当代数学，0271-4132；第747卷|包括书目参考。标识者：LCCN 2019040079 | ISBN 9781470440749（平装）| ISBN 9781470454579（电子书）主题：lcsh：量子计算 - 征服。|拓扑组 - 国会。| Quantum群 - 国会。|类别（数学） - 国会。| AMS：量子理论 - 量子理论中的组和代数 - 量子组和相关代数方法。|关联环和代数 - 模块，双模型和理想 - 模块类别；在类别理论环境中的理论； morit |量子理论 - 量子场理论；相关的古典场理论 - 公理量子场理论；操作员代数。|群体理论和概括 - 线性代数群和相关主题|类别理论；同源代数| k-理论 - 较高的代数k-理论 - 对称单体类别。分类：LCC QA76.889 .A467 2020 | DDC 006.3/843 – DC23 LC记录可从https://lccn.loc.gov/2019040079 doi：https://doi.org/10.1090/conm/747
![arxiv：2409.17759v1 [eess.iv] 26 Sep 2024](/simg/2\2a76c65d7eeb83c3905c9889ad37609048111e07.webp)
arxiv：2409.17759v1 [eess.iv] 26 Sep 2024
在同一场景中捕获不同的强度和光线的方向，光场（LF）可以将3D场景提示编码为4D LF映像，该图像具有广泛的范围（即，捕获后的重新集中和深度感测）。LF图像超分辨率（SR）旨在通过LF相机传感器的性能来改善图像分辨率。尽管现有方法取得了令人鼓舞的结果，但这些模型的实际应用是有限的，因为它们不够轻巧。在本文中，我们提出了一个名为LGFN的轻量级模型，该模型集成了不同视图的Lo local和全局特征以及LF Image SR的不同频道的特征。具体而言，由于不同的子孔径图像中相同像素位置的相邻区域表现出相似的结构关系，因此我们设计了一个基于CNN的轻质CNN特征表演模块（即DGCE），以更好地通过特征调节提取局部特征。同时，随着LF图像中边界之外的位置呈现出很大的差异，我们提出了一个有效的空间注意模式（即ESAM）（即ESAM），使用可分解的大内核卷积来获得扩大的接受场，并获得了一个扩大的接收场和效率的通道注意模块（即，Ecam）。与具有较大术语的现有LF图像SR模型相比，我们的模型的参数为0.45m，拖失术为19.33G，这已经达到了竞争效果。进行消融研究的实验实验证明了我们提出的方法的效率，该方法对NTIRE2024光场超级分辨率挑战的赛道2忠诚度和效率排名，这是赛道1 Fidelity的第七名。
一种可解释的 AI 系统，用于根据 CT 扫描结果自动评估 COVID-19 并进行病变分类
由 SARS-CoV-2 病原体引起的 COVID-19 感染在世界范围内爆发了灾难性的大流行病，确诊病例数呈指数级增长，不幸的是，死亡人数也呈指数级增长。在这项工作中，我们提出了一种基于深度学习范式的 AI 驱动流程，用于从 CT 扫描中自动检测 COVID-19 并对病变进行分类。我们首先提出了一个新的分割模块，旨在自动识别肺实质和肺叶。接下来，我们将这种分割网络与分类网络相结合，以识别 COVID-19 和对病变进行分类。我们将获得的分类结果与三位专家放射科医生在包含 162 次 CT 扫描的数据集上获得的结果进行了比较。结果显示，COVID-19 检测的敏感性为 90%，特异性为 93.5%，优于专家放射科医生的结果，平均病变分类准确率超过 84%。结果还表明，先前的肺和肺叶分割发挥了重要作用，使我们能够将性能提高 20 个百分点以上。此外，对训练后的 AI 模型的解释表明，支持 COVID-19 识别决策的最重要区域与与病毒临床相关的病变一致，即疯狂铺路、实变和毛玻璃。这意味着人工模型能够通过评估 CT 扫描中这些病变的存在来区分阳性患者和阴性患者（对照组和间质性肺炎患者的 COVID 检测结果均为阴性）。最后，AI 模型被集成到一个用户友好的 GUI 中，以支持放射科医生的 AI 可解释性，该 GUI 可在 http://perceivelab. com/covid-ai 上公开获取。整个人工智能系统是独一无二的，因为据我们所知，它是第一个公开的基于人工智能的软件，它试图向放射科医生解释人工智能方法使用了哪些信息
SMU-Net：用于缺失模态的脑肿瘤分割的风格匹配 U-Net
胶质瘤是最常见的原发性脑肿瘤类型之一，占所有病例的 30% 以上，它们由胶质干细胞或祖细胞发展而来。理论上，大多数脑肿瘤可以通过使用磁共振成像 (MRI) 来识别。每种 MRI 模态都会提供有关人脑软组织的不同信息，整合所有这些信息将为胶质瘤的准确分割提供全面的数据，这对于患者的预后、诊断和确定最佳后续治疗至关重要。不幸的是，由于各种原因，MRI 容易出现伪影，这可能导致一个或多个 MRI 模态缺失。多年来，已经提出了各种策略来合成缺失的模态或补偿其对自动分割模型的影响。然而，这些方法通常无法模拟潜在的缺失信息。在本文中，我们提出了一种风格匹配 U-Net (SMU-Net) 用于 MRI 图像上的脑肿瘤分割。我们的联合训练方法利用内容和风格匹配机制将全模态网络中的信息特征提取到缺失模态网络中。为此，我们将全模态和缺失模态数据编码到潜在空间中，然后将表征空间分解为风格和内容表征。我们的风格匹配模块通过学习匹配函数将信息和纹理特征从全模态路径转移到缺失模态路径，自适应地重新校准表征空间。此外，通过对互信息进行建模，我们的内容模块超越了信息量较少的特征，并根据判别性语义特征重新校准了表征空间。BraTS 2018 数据集上的评估过程显示了所提出方法在缺失模态场景中的重要性。关键词：缺失模态、脑瘤、内容风格匹配、分割。
边缘的计算机视觉：使用redmycow系统实时实时识别
在精确的牲畜种植中，牛的个体识别对于为赋予动物福利，健康和生产力做出的决定提供了至关重要的。在文字中，存在可以读取耳罩的模型；但是，它们不容易携带到现实世界中的牛生产环境，并主要在静止图像上做出预测。我们提出了一个基于视频的牛耳牌阅读系统，称为deRmycow，该系统利用视频中的节奏特性来准确检测，跟踪和读取边缘设备上25 fps的牛耳标。对于视频中的每个帧，ReDmycow在两个步骤中发挥作用。1）标签检测：Yolov5s对象检测模型和NVIDIA DEEPSTREAM跟踪层检测并跟踪存在的标签。2）标签读数：小说whentoread mod-ule决定是读取每个标签，使用trba场景文本识别模型或使用从前框架上读取的读数。该系统是在边缘设备上实现的，即NVIDIA JETSON AGX ORIN或XAVIER，使其可移植到没有外部计算资源的牛生产环境中。要达到实时速度，请阅读 - MyCow仅在当前框架中读取检测到的标签，如果它认为在当前框架中明显改善决策时，它将获得更好的读数。理想情况下，这意味着即使标签被遮挡或模糊，也可以在视频中找到标签的最佳读数并存储在视频中。在真正的中西部奶牛场住房测试该系统时，9,000头母牛，雷米科（Demmycow）系统准确地阅读了96.1％的印刷耳廓，并证明了其现实世界中的商业潜力。devmycow为商业牛农场提供了知情的数据驱动决策流程的机会。
用感知器的DNA和蛋白质序列预测基因和蛋白质表达水平
背景和客观：生物体的功能及其生物学过程源于基因和蛋白质的表现。因此，量化和预测mRNA和蛋白质水平是科学研究的关键方面。关于mRNA水平的预测，可用的方法使用转录起始位点（TSS）上游和下游的序列作为神经网络的输入。最新模型（例如Xpresso和basenjii）预测利用卷积（CNN）或长期记忆（LSTM）网络的mRNA水平。但是，CNN预测取决于卷积内核的大小，LSTM遭受捕获序列中的长期依赖性。据我们所知，关于蛋白质水平的预测，没有通过利用基因或蛋白质序列来预测蛋白质水平的模型。方法：在这里，我们利用一种新的模型类型（称为感知器）用于mRNA和蛋白质水平预测，从而利用了具有注意力调节的基于变压器的体系结构来参加序列中的长期相互作用。此外，感知器模型克服了标准变压器体系结构的二次复杂性。这项工作的贡献是1。dnaper-ceiver模型，以预测TSS上游和下游序列的mRNA水平； 2。Pro-teminepeiver模型，以预测蛋白质序列的蛋白质水平； 3。蛋白质和dnapceiver模型，以预测TSS和蛋白质序列的蛋白质水平。结果：这些模型是在细胞系，小鼠，胶质母细胞瘤和肺癌组织上评估的。结果表明，感知器型模量在预测mRNA和蛋白质水平方面的有效性。结论：本文介绍了mRNA和蛋白质水平预测的感知器结构。将来，将调节和表观遗传信息插入模型可以改善mRNA和蛋白质水平的预测。源代码可在https://github.com/matteostefanini/dnaperceiver
smu-net：样式匹配脑瘤分割的u-net缺失模态
神经胶质瘤是原发性脑肿瘤最普遍的类型之一，占所有病例的30％以上，它们是从神经胶质茎或祖细胞中发育的。从理论上讲，大多数脑肿瘤可以完全通过使用磁共振成像（MRI）来识别。每种MRI模态都提供有关人脑软组织的不同信息，并整合所有MRI的信息将提供全面的数据，以准确分割神经胶质瘤，这对于患者的预后，诊断和确定最佳后续治疗至关重要。不幸的是，由于多种原因，MRI容易出现工件，这可能导致缺少一种或多种MRI方式。多年来，已经提出了各种策略，以综合缺失的方式或补偿其对自动分割模型的影响。但是，这些方法通常无法对基础丢失的信息进行建模。在本文中，我们为MRI图像上的脑肿瘤分割提供了一种匹配的U-NET（SMU-NET）。我们的共同训练方法利用内容和样式匹配机制将信息从全模式网络提炼为缺失的模态网络。为此，我们将全模式和缺失模式数据编码为潜在空间，然后将表示空间分解为样式和内容表示形式。我们的样式匹配模块通过学习匹配函数以将信息和纹理特征从全模式路径传输到缺失模式路径，从而自适应地重新校准表示空间。此外，通过对互信息进行建模，我们的内容模式超过了信息较少的特征，并根据歧视性语义特征重新校准表示空间。BRATS 2018数据集的评估过程显示了所提出的方法在缺失模态方案上的重要性。关键字：缺失方式，脑肿瘤，内容式匹配，分割。
SPEEDTRONIC Mark V 燃气轮机控制系统
简介 SPEEDTRONIC ™ Mark V 燃气轮机控制系统是大获成功的 SPEEDTRONIC ™ 系列中的最新衍生产品。先前的系统基于可追溯至 20 世纪 40 年代末的自动涡轮控制、保护和排序技术，并随着现有技术的发展而成长和发展。电子涡轮控制、保护和排序的实施起源于 1968 年的 Mark I 系统。Mark V 系统是涡轮自动化技术的数字化实施，该技术是在 40 多年的成功经验中学习和改进的，其中 80% 以上是通过使用电子控制技术实现的。SPEEDTRONIC ™ Mark V 燃气轮机控制系统采用当前最先进的技术，包括三重冗余 16 位微处理器控制器、关键控制和保护参数的三选二表决冗余以及软件实现的容错 (SIFT)。关键控制和保护传感器是三重冗余的，并由所有三个控制处理器进行表决。系统输出信号在关键螺线管的触点级、其余触点输出的逻辑级和模拟控制信号的三个线圈伺服阀上进行表决，从而最大限度地提高保护和运行可靠性。独立的保护模块提供三重冗余硬连线检测和超速停机以及检测火焰。该模块还将涡轮发电机与电力系统同步。三个控制处理器中的检查功能支持同步。Mark V 控制系统旨在满足所有燃气轮机控制要求。这些包括根据速度要求控制液体、气体或两种燃料、部分负荷条件下的负荷控制、最大容量条件下或启动条件下的温度控制。此外，入口导叶和水或蒸汽喷射也受到控制以满足排放和操作要求。如果排放控制使用