在计算机视觉和图像处理研究领域的众多主题中,边缘检测在从卫星成像到医学筛查、物体识别等广泛领域中发挥着重要作用。它是一种图像处理技术,用于在具有不连续性的数字图像中查找边界/边缘,以呈现图像的全局视图和图像的最关键轮廓。强大的基于边缘的形状特征为计算机视觉应用提供了更具体的分析。传统边缘检测方法利用低级视觉线索来构建手工特征,然后使用基于阈值的方法对边缘和非边缘像素进行分类。传统方法的结果在对象级别缺乏语义。如今,基于卷积神经网络的方法已成为图像处理领域的主流。在基于深度网络的边缘检测方法中,整体嵌套边缘检测 (HED) [1] 是成功的框架之一。它产生五个中间侧输出并沿网络路径进行深度监督。其最终融合结果与人类视觉的差距在 2% 以内。从那时起,几种方法使用类似的架构来进一步提高准确性。这些努力主要集中在提高中间输出的质量或增强深度监督策略上。然而,这些方法融合了中间层,而没有考虑每个侧输出内的层次边缘重要性。这给网络带来了困境:要包含所需的特征,它必须接受许多不需要的数据,反之亦然。因此,结果通常包含更多噪声和粗边缘,同时缺少一些关键边界。为了解决这个问题,尺度不变显著边缘检测(SISED)框架[2]可以在不增加网络复杂度的情况下,定位和提取重要的尺度不变显著边缘(SISE)作为每个侧输出的子集。归一化哈达玛积是SISED的关键操作,其中应用乘法运算来促进多尺度侧输出之间相互一致的特征,同时抑制尺度表达较弱的特征。SISED分层计算边缘重要性以增强边缘结果并达到最先进的性能。通讯作者:胡刚(hug@buffalostate.edu)
理论、实践、实际问题和案例研究相结合的智能。本课程旨在让人们了解人类决策,其中许多认知任务人们可以轻松且几乎无意识地完成,但在计算机上编程却极其困难。本课程将涵盖人工智能的基础知识,以便进一步的技能建设基于本课程中学习到的基础知识。在印度,65% 的人口为青年(18-35 岁),具有发展成为世界专业劳动力中心的巨大潜力。这可以通过为该地区该年龄段的每个人进行技能开发来实现。但是,不同阶层的人口参与此类技能开发活动限制了年轻人的潜力。对于这种人口横截面,另一个有趣的选择是缺乏对要开发哪些技能的指导,以便他们能够在全球市场上具有相关性和竞争力。人工智能 (AI) 专注于在计算机上实现智能人类行为,其最终目标是制造一台可以自主学习、规划和解决问题的计算机。本课程的主要目的是向参与者提供基础知识(know-how),以便他们能够理解人工智能的概念并进一步发展他们的技能(do-how)。
组织这次会议的目的是让所有学生熟悉人工智能在我们日常生活中的好处。我们的特邀演讲嘉宾 Puneet Sir 教授首先简要介绍了人工智能。通过他的交互式演示幻灯片,他的解释更加有趣和引人入胜。演讲者讨论了智力的相对性如何与基因无关,以及我们如何人工复制人类思维。他提到了机器可以执行任务的不同范围,例如观察(通过摄像头)、语音识别(Alexa、Siri 等)。他的演讲充满了有趣的问题,例如“人类思维如何运作?”,“非人类有思想吗?”等。除了人工智能的不同发展方面,他还讲述了这项创新是如何在过去诞生的。4 节目日期:
生成式人工智能正被整合到社交媒体、搜索、游戏、约会和主流生产力应用程序(如文字处理和电子表格)等服务中。例子包括社交媒体平台 Snap,它在其应用程序中集成了一个名为 MyAI 的对话聊天机器人,可以与用户互动以提供信息、建议和推荐 1 ,以及提供人工智能伴侣的独立配套应用程序,如 Replika 2 。2024 年,微软更新了其搜索服务 Bing,以便生成式人工智能可以提供来自网络的实时搜索结果摘要 3 ,游戏平台 Roblox 开发了一种可以生成新虚拟世界的工具 4 。Ofcom 的《在线国家》报告发现,79% 的 12 至 17 岁青少年正在使用生成式人工智能工具和服务。5 在我们之前关于生成式人工智能的讨论文件中,我们研究了生成式人工智能的准确性、错误和虚假信息以及生成式人工智能中偏见的放大。在本文中,我们将探讨生成式人工智能在用户生活中的应用和影响。本文探讨了可能发生转变的地方、可能存在的机会和风险,以及平台、媒体素养部门和用户如何应对。
摘要:脑电图 (EEG) 记录有助于解码张开/闭合手部的动作准备。为此,通过波束形成解决逆问题,提取运动皮层中的皮层源信号(相对于运动开始提前 1 秒)。EEG 源时期用作源时间图输入到自定义深度卷积神经网络 (CNN),该神经网络经过训练可执行双向分类任务:手闭合前 (HC) 与静息状态 (RE) 以及手张开前 (HO) 与 RE。虽然深度 CNN 效果很好(HC 与 RE 的准确率高达 89.65+-5.29%,HO 与 RE 的准确率高达 90.50+-5.35%),但在本研究中,我们探索了深度 CNN 的可解释性,以进一步了解手部亚运动准备过程中皮层源的隐藏激活机制。具体来说,进行遮挡敏感性分析以调查哪个皮质区域最好参与分类过程。实验结果显示,受试者的皮质激活具有反复出现的空间模式;特别是靠近纵向裂隙的中央区域以及运动前区和初级运动皮质的右颞区似乎参与程度很高。这些发现鼓励深入研究似乎在手的张开/闭合准备中发挥关键作用的皮质区域。
本手册仅供参考。根据截至本手册日期的可用信息,本手册中包含的声明、技术信息和建议被认为是准确的。Braskem 不对本手册中包含的信息的完整性做出任何陈述,也不承担更新、修订或修改本手册中包含的声明、技术信息和建议的责任。由于产品和本手册中包含的信息的使用条件和方法不受其控制,因此 Braskem 明确表示对因使用产品或依赖此类信息而获得或产生的任何结果不承担任何责任。确定本手册中所述产品的适用性和适用性完全由潜在购买者负责。对于本手册中所述产品或提供的信息,不作任何特定用途适用性保证、适销性保证或任何其他明示或暗示的保证。本文提供的信息仅与指定的特定产品有关,当该产品与其他材料或任何工艺结合使用时可能不适用。用户应在商业化之前彻底测试任何应用程序。本文包含的任何内容均不构成根据任何专利实施的许可,不应被视为侵犯任何专利的诱因,建议潜在买家采取适当措施,确保任何拟议的产品使用不会导致专利侵权。2018 © Braskem America Inc. 保留所有权利。
摘要:在一些地理条件恶劣的地区(如沙漠、海洋和森林),直接连接到地面网络很困难,因此空间通信是唯一的选择。在这些偏远地区,物联网 (IoST) 应用也可以成功使用。本文提出了用于 IoST 应用的有效载荷,展示了如何有效地使用自动识别系统 (AIS) 和火灾探测系统。基于高效低成本通信的太空任务可以使用一组纳米卫星来更好地满足这一需求。这两个使用一组纳米卫星的应用可以为多个国家提供相关的大学级数据,作为教育计划项目中空间技术转让的有效政策。为了提高教育参与度和对空间技术的兴趣,本文分享了基于对纳米卫星的深入设计以及多项分析(数据预算、链路预算、功率预算和寿命估计)的项目可行性研究的经验教训。最后,本文通过实验重点介绍了用于火灾探测的经济高效的传感器节点的开发和应用,以及使用 GPS 在 IoST 框架中实现 AIS 功能。
• 2023 年 3 月 26 日,LVW.13-M3/OneWeb Inda.2 任务成功发射,36 颗卫星被部署到预定轨道。这是 LVM3 运载火箭的第三次运行和第二次连续商业飞行。 • RLV 的俘获阶段测试•于 2023 年 3 月 19 日在 Chitradurga 的 ATR 成功进行。所有系统和子系统都已为可重复使用运载火箭自动着陆实验 (RLV-LEX) 做好准备。 • PSLV-0551 TeLEOS-02 任务的第一阶段运载火箭堆叠活动已完成。 • PSLV-055 发射所需的 PS4 上面级的集成活动已完成,并已派往 Sriharikota 进行进一步活动。 • GSLV F12/NVS-01 任务的运载火箭堆叠活动已于 2023 年 3 月 30 日开始在 Srinallkota 的 SDS.C 进行。