摘要提出的系统“基于Android的盲人识别”,旨在通过使他们能够使用Android智能手机识别日常产品来增强视障人士的独立性。该系统利用与Android移动平台集成的计算机视觉技术来捕获产品的图像,使用训练有素的机器学习模型分析它们,并向用户提供音频反馈。应用程序专注于产品包装,条形码和不同的视觉特征,以确保实时准确识别。该解决方案设计为用户友好的语音命令,可访问的导航和低延迟,使其可用于日常使用。通过提供便携式可靠的产品识别方式,该工具解决了盲人与周围环境互动的挑战,改善了他们的生活质量和促进独立性。关键字:视觉产品识别,Android应用,盲目和视力障碍,机器学习,音频反馈视觉障碍的人经常在日常任务中遇到重大障碍,包括在不熟悉的环境中识别产品。从杂货店购物到区分个人物品,无法准确地识别物品对独立性和可及性构成挑战。当前的解决方案,例如盲文标签,条形码扫描仪或人类援助,由于可伸缩性问题,对他人的依赖或缺乏广泛采用而产生的有效性有限。该项目着重于提供负担得起的移动技术和机器学习的快速发展为解决这些挑战开辟了新的可能性。随着配备高分辨率摄像头和功能强大的处理器的智能手机的扩散,现在可以实现实时图像识别应用程序。通过利用这些技术,可以开发出一种便携式且具有成本效益的解决方案,以根据视觉受损的个体的需求量身定制的产品识别。本研究提出了一种基于Android的应用程序,该应用程序结合了计算机视觉和机器学习,以提供用于产品识别的用户友好工具。该系统采用智能手机的相机来捕获产品图像,使用预先训练的Tensorflow Lite模型对其进行处理,并通过文本对语音引擎向用户提供听觉反馈。该应用程序的设计具有可访问性功能,例如语音导航和简化的接口,从而确保了目标受众的易用性。
摘要:通过同源物检测对限制光场的相位分辨成像是纳米光学和光子学中计量学的基石,但是到目前为止,其在电子显微镜中的应用已受到限制。在这里,我们通过在连续梁透射电子显微镜中用飞秒光脉冲照明来报告波导结构中光模式的映射。多光子光发射会导致雷伦兹显微镜图像的远期充电模式。所得图像的对比与驻光波的强度分布有关,并在分析模型中进行了定量描述。该方法的鲁棒性以更宽的参数范围和更复杂的样品几何形状(包括微型和纳米结构)展示。我们讨论了对电子显微镜的基于光学显微镜的进一步应用,并与原位光学激发奠定了基础,为传播光场的相位分辨成像成像奠定了基础。关键字:超快传输电子显微镜,非线性光发射,洛伦兹显微镜,站立光波,波导模式,飞秒激光■简介
这篇论文(博士学位)是由达特茅斯数字共享的这些论文和论文免费带给您的。已被达特茅斯数字共享授权管理人纳入达特茅斯学院博士学位论文。有关更多信息,请联系dartmouthdigitalcommons@groups.dartmouth.edu。
治疗指南包括受循证医学启发的优化患者治疗建议。然而,不同机构和/或国家可能同时提供具有相同目标的几份指南,这可能导致建议之间发生潜在冲突。比较几份指南是一项复杂而繁琐的任务。在文献中,很少有人提出比较指南的方法 [1,2],而且这些方法仍然仅限于两三份指南。关于检测潜在不适当药物 (PIM),已经发布了几份指南。第一个也是最著名的指南之一是 BEERS 清单 [3],其第一版于 1991 年在美国发布,侧重于美国实践。受此启发,不同国家制定了几份指南,其中包括更适合当地实践的标准。这些
陆军打算在所有环境和战场状况下在营及以下的所有环境和战场状况中提高士兵的杀伤力,以增加士兵的杀伤力。IVA包括一个头顶显示器(HUD),一台被称为冰球的人体磨损的计算机,一个网络数据收音机和每个士兵的三个共形电池。IVAS HUD通过集成的热和低光成像传感器,用于导航的内置指南以及战术突击套件情境意识软件提供了透明的显示和增强现实能力。内部士兵无线超宽带网络可实现被动的靶向能力,将武器景点连接起来 - 将武器家族连接到士兵的武器上,并在HUD中的视线图片。IVA无线电使配备IVA的士兵能够在公司内部传输数据。
视觉皮层电刺激有可能恢复盲人的视力。到目前为止,视觉皮层假肢的效果有限,因为没有假肢能够恢复完整的视力,但由于无线和技术的进步,该领域在最近几年重新引起了人们的兴趣。然而,为了实现这些新设备所期望的治疗效果,仍有许多科学和技术挑战需要解决。其中一个主要挑战是对大脑本身的电刺激。在这篇综述中,我们从电气的角度分析了基于电极的视觉皮层假肢的结果。我们首先简要介绍关于电极-组织界面和电刺激安全性的已知信息。然后,我们重点介绍假肢视觉的心理物理学以及视觉皮层电刺激与光幻视感知之间相互作用的最新进展。最后,我们讨论了视觉皮层电刺激和电极阵列设计在开发新一代可植入皮层视觉假肢方面所面临的挑战和前景。
在文献中,已经开发了几个项目来可视化大脑活动,并且已经提出了许多基于行为特征预测 fMRI 信号的工作(Mitchell 等人,2008 年;Huth 等人,2016 年;Knops 等人,2009 年)。但是,我们没有找到提供工具来一起显示非控制对话的大脑活动预测、此预测中使用的原始材料以及用于这些预测的特征的工作。在本文中,我们解决了这个问题,并提出了一种用于预测和可视化对话期间局部大脑活动的新工具。它由两个模块组成,第一个模块用于根据对话的原始行为数据生成预测。它包括参与者和对话者的音频、对话者的视频和参与者的眼球运动记录。第二部分用于根据获得的预测可视化对话过程中大脑区域的激活情况。
无人机已成为商业、安全工作和家庭休闲活动的固定装置。研究人员已经开始探索无人机如何帮助残疾人驾驶并充当辅助设备。我们的工作重点是视力障碍人士,并调查是什么促使他们驾驶无人机。我们对视障成年人进行了一项调查,以了解他们对无人机驾驶的普遍兴趣和以往的无人机使用经验。从 59 份调查回复中,我们采访了 13 位参与者,详细说明他们如何设想使用无人机,以及不同的反馈和驾驶模式如何使飞行体验更容易获得。我们发现,我们的参与者对航空、尝试新技术、环境探索以及寻找与视力正常的家庭成员一起进行的合作活动有着浓厚的兴趣,这延伸到了对驾驶无人机的兴趣。这项研究有助于为未来无人机的设计场景和可访问功能奠定基础。
虚拟现实环境为研究脑机接口 (BCI) 在现实环境中的性能提供了绝佳的机会。由于现实世界的刺激通常是多模态的,它们的神经元整合会引发复杂的反应模式。为了研究额外的听觉提示对视觉信息处理的影响,我们使用虚拟现实来模拟工业环境中的安全相关事件,同时记录脑电图 (EEG) 信号。我们模拟了一个在传送带系统上移动的盒子,其中两种类型的刺激(爆炸和燃烧的盒子)会中断正常操作。来自 16 名受试者的记录分为两个子集,一个是纯视觉实验,另一个是视听实验。在纯视觉实验中,两种刺激的反应模式引发了类似的模式——视觉诱发电位 (VEP),然后是枕叶-顶叶上的事件相关电位 (ERP)。此外,我们发现感知到的事件严重程度反映在信号幅度中。有趣的是,额外的听觉提示对先前的发现产生了双重影响:在爆炸盒刺激的情况下,P1 成分被显著抑制,而燃烧盒刺激下 N2c 则有所增强。这一结果凸显了多感官整合对现实 BCI 应用性能的影响。事实上,我们观察到基于混合特征提取(方差、功率谱密度和离散小波变换)和支持向量机分类器的检测任务的离线分类准确度发生了变化。在爆炸的情况下,与仅视觉实验相比,视听实验的准确度略有下降,为 -1.64%。相反,当存在额外的听觉提示时,燃烧盒的分类准确度增加了 5.58%。因此,我们得出结论,特别是在具有挑战性的检测任务中,当 BCI 应该在(多模态)真实世界条件下运行时,考虑多感官整合的潜力是有利的。
