XiaoMi-AI文件搜索系统
World File Search Systemmyr
使用卷积神经网络语义分割进行身份证件识别和检测 Mykola Kozlenko a、Volodymyr Sendetskyi b
摘要 对象识别和检测是经过深入研究的问题，并已开发出一套几乎标准的解决方案。身份证件识别、分类、检测和定位是许多应用程序所需的任务，特别是在关键基础设施场所的物理访问控制安全系统中。在本文中，我们提出了一种基于人工卷积神经网络和语义分割方法的模型的新原始架构，用于识别和检测图像中的身份证件。处理此类图像的挑战在于，当此类应用程序在工业单板微型计算机硬件上运行时，计算性能有限且内存量有限。本研究的目的是证明所提技术的可行性并获得质量指标。研究方法是评估在移动身份证件视频数据集上训练的深度学习检测模型。该数据集包含 500 个视频片段，涵盖 50 种不同的身份证件类型。模拟的数值结果用于评估质量指标。我们将结果表示为交并比值的准确度与阈值。本文报告的交并比 (IoU) 阈值为 0.8 时，准确度高于 0.75。此外，我们还评估了模型的大小，并证明了在工业单片机或智能手机硬件上运行该模型的可行性。关键词 1 身份证件，目标检测，语义分割，文档识别，文档分类，深度学习，神经网络
文本商业内容的电子文摘形成和分类 Lyubomyr Chyrun a、Vasyl Andrunyk b、Liliya Chyrun b、Aleksandr
摘要 本文提出了一种实用且合乎逻辑的内容处理方法，作为文摘形成的一个阶段。内容处理方法将文摘形成和分类描述为内容生命周期的一个步骤，并简化了管理商业文本内容的信息技术。本文分析了处理商业内容的现有服务的主要问题。所提出的方法允许您创建用于处理信息资源的工具并实现用于管理商业内容的子系统。关键词 1 内容、智能系统、信息技术、文本挖掘、信息流、内容监控、自动摘要、主题接近性、源文本、潜在语义分析、商业内容、文本分析、内容分析、互联网环境、电子文摘、信息检索、文本内容、内容搜索、文本挖掘方法、空间矢量模型、信息系统、文本数据、现代机器学习技术
“国防部军事和相关术语词典”（2015 年）。美国陆军研究。362。http://digitalcommons.unl.edu/usarmyresearch/362
本出版物适用于国防部长办公室、各军种、联合参谋部、作战司令部、国防部机构和国防部所有其他部门。它是编写信函时的主要术语来源，包括政策、战略、理论和规划文件。JP 1-02 中包含术语的标准在国防部指令 (DODI) 5025.12《军事和相关术语标准化》和参谋长联席会议主席指令 (CJCSI) 5705.01《军事和相关术语标准化》中列举。4.出版物格式