XiaoMi-AI文件搜索系统
World File Search Systemcliq
通过超分辨率和最大集团生成优化实例分割
摘要。监视系统的兴起导致收集的数据呈指数增长，从而在深度学习方面有了一些进步来利用它们并自动化自治系统的任务。车辆检测是智能车辆系统和智能运输系统领域的关键任务，使得控制交通密度或检测事故和潜在风险是可能的。本文提出了一个最佳的元方法，可以应用于任何即时分割模型，例如蒙版R- CNN或yolact ++。使用这些模型和超分辨率获得的初始检测，进行了优化的重新指导，允许检测未鉴定的元素并提高其余检测的质量。超分辨率的直接应用是有限的，因为实例分割模型根据固定维度处理图像。因此，如果超过超过该固定尺寸的尺寸，该模型将再次重新汇总，从而失去所需效果。这种元方法的优点主要在于不需要修改模型体系结构或重新培训它。无论给出的输入的图像的大小如何，都将生成符合对象分割模型定义维度的超级分辨区域。应用我们的建议后，实验显示了CityScapes数据集Jena序列中使用的Yolact ++模型的提高高达8.1％。
Attack-Pke-planted-clique.pdf-Chris Jones
其安全性是基于种植的集团。在本说明中，我们观察到建议的方案不安全，并且我们实施了关键的恢复攻击。这留下了基于种植的集团建造PKE的可能性。在成功方面，Juels和Peinado [JP00]提出了种植的集团问题作为候选单向功能，但这并不意味着一种公共密钥加密方案。请注意，任何K的种植集团问题都可以通过准化性算法解决，即时间n o（log n）蛮力检查是否存在大小（2 +ε）log 2 n的存在。这要比密码使用通常需要的指数或次指数时间硬度要快得多。据说，最稠密的k -subgraph问题是种植集团的嘈杂变体，该杂物的下指数时间蛮力算法预计将是最佳的[BBH18]。种植集团是解决这些问题的更简单的起点。
使用并联量子退火解决更大的最大集团问题
Los Alamos国家实验室是一项平权行动/均等机会雇主，由Triad National Security，LLC经营，为美国能源部国家核安全管理局根据合同89233218CNA000001运营。通过批准本文，出版商认识到，美国政府保留了不判有限定的免版税许可，以出版或复制已发表的此捐款形式，或者允许其他人出于美国政府的目的。洛斯阿拉莫斯国家实验室要求出版商根据美国能源部主持的工作确定这篇文章。Los Alamos国家实验室强烈支持学术自由和研究人员发表权；但是，作为一个机构，实验室并未认可出版物的观点或保证其技术正确性。
团问题的电路设计及其在...上的实现
在图中查找团伙因其模式匹配能力而有多种应用。k -团伙问题是团伙问题的一种特例，它确定任意图是否包含大小为 k 的团伙，该问题已在量子领域得到解决。列出所有大小为 k 的团伙的 k -团伙问题变体在现代也有流行的应用。尽管如此，这种 k -团伙问题变体在量子环境中的实现仍未触及。在本文中，除了此类 k -团伙问题的理论解决方案之外，还使用 Grover 算法解决了基于量子门的实际实现。该方法进一步扩展到设计经典-量子混合架构中最大团伙问题的电路。该算法自动为任何给定的无向无加权图和任何给定的 k 生成电路，这使我们的方法具有广义性。与最先进的方法相比，对于大图的小 k ，提出的解决 k -团伙问题的方法表现出量子比特成本和电路深度的降低。还提出了一个可以将团问题自动生成电路映射到量子设备的框架。使用IBM的Qiskit对实验结果进行了分析。