XiaoMi-AI文件搜索系统
World File Search System中图
探索各种域中图像处理
对数字图像处理方法的兴趣源于两个主要应用领域：改进人类解释的图形信息；以及用于存储，传输和自动机器感知表示的图像数据的处理。计算机数字图像技术是计算机应用程序纪律的非常重要的分支，其应用领域包括测量，计算机辅助设计，物理，三维模拟和其他行业。此外，随着计算机硬件性能的改善，图像处理算法改善了数字图像处理技术的应用。本评论文章重点介绍当前的数字图像处理技术及其在当今兴趣的医疗，森林保护和其他领域中的应用。
使用RGB空中图像和机器学习检测咖啡叶矿工
摘要：咖啡生产的可持续性是全球生产者的关注点。为了保持可持续性，有必要达到令人满意的咖啡生产力和质量。害虫和疾病会降低生产率，并可能影响咖啡豆的质量。为了确保可持续性，生产商需要监测可能导致大量农作物损失的害虫，例如咖啡叶矿工Leucoptera Coffeella（Lepidoptera：Lyonetiidae），属于鳞翅目命令和Lyonetiidae家族。这项研究旨在使用机器学习技术和植被指数来远程识别咖啡叶矿工在咖啡种植地区的侵扰。咖啡叶矿工侵扰的现场评估是在2023年9月进行的。使用远程试验的飞机拍摄航空图像，以确定带有RGB（红色，绿色，蓝色）图像的13个营养指数。使用ArcGIS 10.8软件计算植被指数。一个综合数据库，其中包含咖啡叶矿工侵扰，植被指数和作物数据的详细信息。数据集分为培训和测试子集。使用了四种机器学习算法：随机森林（RF），逻辑回归（LR），支持向量机（SVM）和随机梯度下降（SGD）。超参数调整后，采用了测试子集进行模型验证。值得注意的是，SVM和SGD模型在估计咖啡叶矿工侵扰方面均表现出卓越的性能，KAPPA指数分别为0.6和0.67。植被指数和作物数据的综合使用提高了咖啡叶矿工检测的准确性。RF模型的性能不佳，而SVM和SGD模型的性能更好。这种情况突出了追踪咖啡叶矿工在不同年龄，不同品种和其他环境变量不同的领域中的挑战。
使用混合深度学习中图像中的对象识别...
摘要：通过图像分类和识别对象并制作边界框是对象识别和检测的基本原理。对象识别，是最关键的问题，这是它对研究引起强烈关注的原因。在过去几年中，随着计算机视觉中对象检测技术的巨大增长，该主题发生了重大变化。在1990年代，人们仍在使用创造性的思想和持久的设计来弄清楚如何在早期计算机视觉中识别对象。如果您查看我们今天如何将对象识别为可以通过深度学习实现的变化，则可以同时学习高级和低级功能。本文通过深度学习讨论了对象识别领域的混合方法。这项工作的主要贡献是通过使用EfficityNet CNN深度学习模型与一些突出的主链体系结构呈现混合分类器方法，并与Yolo探测器结合使用Yolo检测器，用于对象识别e-Yolo。在某些指标上，该模型测试与某些现有的COCO Dataset上的现有模型用于常见的Benchmark。最后讨论了现有模型的性能和准确性与对这些指标的拟议模型的比较。因此，提出的模型的准确性优于现有模型。
神经仪：大脑连接组中图形机学习的基准
机器学习提供了一种有价值的工具，用于分析高维功能神经影像学数据，并证明可以有效预测各种神经系统疾病，精神疾病和认知模式。在功能磁共振成像（MRI）研究中，大脑区域之间的相互作用是使用基于图的表示形式建模的。图形机学习方法的效力已经在跨众多域中建立，标志着数据解释和预测建模的跨形成一步。，尽管他们有希望，但由于潜在的预处理管道数量的庞大数量以及基于图的数据集构建的大量参数搜索空间，这些技术向神经影像域的换位一直在挑战。在本文中，我们介绍了神经图1，这是基于图的神经影像数据集的集合，并展示了其用于预测多种行为和认知性状的实用性。我们通过制作包含静态和动态大脑连接性的35个数据集，深入研究数据集生成搜索空间，运行超过15种基线方法进行基准测试。此外，我们还提供通用框架 - 用于在静态图和动态图上学习。我们的广泛实验导致了几个关键观察。值得注意的是，使用相关向量作为节点特征，结合了更多的感兴趣区域并使用稀疏图会提高性能。为了促进基于图的数据驱动神经成像分析的进一步进步，我们提供了一个全面的开源Python软件包，其中包括基准数据集，基线实现，模型培训和标准评估。
1 人工智能中图书馆的代表性......
我们已经生活在一个算法社会中。随着人们对机器学习集合中的偏见影响、智能城市和面部识别的监控风险以及政府的自动决策等人工智能和机器学习的许多其他应用有了更多的了解，人工智能政策和法规也随之出现。这些问题中的每一个都引发了人们对道德、隐私和数据保护的担忧。本文介绍了迄今为止一些关键的人工智能监管发展以及图书馆在这些过程中的参与。虽然许多人工智能应用在图书馆中主要是新兴的和假设的，但在研究文献搜索、文本分析的语言工具和对收藏数据的访问中可以找到一些成熟的例子。本文总结了图书馆活动如何在国家人工智能计划中体现，以及图书馆如何参与人工智能监管的其他方面，包括制定道德框架。基于该部门在版权和数据保护等相关监管问题方面的专业知识，本文提出了进一步的机会，为未来的道德、值得信赖和透明的人工智能做出贡献。
阿萨姆邦大学图书馆中图书馆空间的利用
摘要：目的：本研究涉及不同的学术图书馆空间，例如收集空间，用户座位空间，服务和员工工作区域，不可分配的空间等。该研究的主要目的是确定阿萨姆邦四个选择的州立大学图书馆的图书馆空间，以及如何通过采用不同的措施来识别，组织和利用这些空间。它也强调了大学图书馆的淘汰政策，因为它是图书馆空间管理的关键要素。方法：对于这项研究，已经使用了数据收集的定性和定量方法。也准备了一份结构化问卷，并发送到图书馆的负责人，以收集相关信息和对图书馆员的个人访谈。用于收集空间的适当测量，还进行了物理验证。结果：发现表明该库有效地利用了其空间，并采取了不同的措施以实现最佳利用率。不同的空间是如此，以至于天然和人造照明设施以及天然空气可能发生。图书馆遵循各种准则或标准，请记住机构目标和目标。，但是只要这会造成与这些标准达成共识的困难，图书馆将遵循其机构指南。关键字：阿萨姆邦，图书馆建筑，图书馆空间，图书馆标准，空间管理，大学图书馆。结论：由于实施了基于Web的技术和图书馆中的未来图书馆空间重新安排过程，这项研究对即将到来的图书馆专业人员或未来的图书馆计划者有助于应对不断变化的环境。
健康老龄化中图片命名任务诱导的功能连接：年龄和任务复杂性的影响
大脑的拓扑组织由大脑区域同步活动的能力所控制，这使得日常认知活动具有成本效益。功能连接是一种 fMRI 方法，被认为是任务特定的和需求依赖的。尽管大脑在健康衰老过程中会发生重大变化，但概念知识和词汇生成准确性通常会保留下来。因此，在主动图片命名过程中探索任务诱导的功能连接模式可能会提供有关健康功能性大脑机制的额外信息，这些机制专门适应当前的认知活动。本研究的目的是评估和描述在明显的图片命名任务期间与年龄相关的功能连接差异，以及比较在词汇频率定义的复杂任务需求下的与年龄相关的差异。结果表明，既有年龄特异性的机制，也有任务特异性的机制。在图片命名任务中的行为表现保持不变的情况下，老年人在功能连接架构方面表现出一系列复杂的差异，包括增加和减少。简而言之，传统上分配给命名过程的区域的分离和专业化有所增加。结果还扩展了以前的词汇生成研究，并表明运动区域特别容易受到与年龄相关的差异的影响。这项研究还首次表明，由词汇频率操纵的内在任务需求与年龄和功能连接之间的关系几乎没有关系。总之，这些发现证实了任务诱导功能连接分析在揭示健康老龄化过程中促进任务表现的大脑组织方面的价值。
空中图像采集工具箱及其在... 中的应用
本文介绍了 TIA，一种用于航空图像采集的工具箱。TIA 为有人驾驶和无人驾驶飞机添加了工具，简化了与航空图像采集和处理相关的任务。实施 TIA 的第一步是进行需求分析，并生成一系列有用的功能。这些功能包括任务规划、自动任务执行、飞行员引导以及使用 GPS 接收器对照片和视频帧进行地理参考。TIA 的实施架构由三个计算机模块组成：充当显示器/键盘单元的掌上电脑、主计算机和摄像头控制器。每个计算机模块都有相应的软件模块。该工具箱已在超轻型飞机上进行了测试，目前正在集成到固定翼无人机 (UAV) 中。
空中图像采集工具箱及其在... 中的应用
本文介绍了 TIA，一种用于航空图像采集的工具箱。TIA 为有人驾驶和无人驾驶飞机添加了工具，简化了与航空图像采集和处理相关的任务。实施 TIA 的第一步是进行需求分析，并生成一系列有用的功能。这些功能包括任务规划、自动任务执行、飞行员引导以及使用 GPS 接收器对照片和视频帧进行地理参考。TIA 的实施架构由三个计算机模块组成：充当显示器/键盘单元的掌上电脑、主计算机和摄像头控制器。每个计算机模块都有相应的软件模块。该工具箱已在超轻型飞机上进行了测试，目前正在集成到固定翼无人机 (UAV) 中。
SeaDroneSim：模拟空中图像以探测水面上的物体
无人驾驶飞行器 (UAV) 以其速度快、功能多样而闻名，可用于收集航空图像和遥感数据，用于土地利用调查和精准农业。随着无人机的可用性和可访问性的增长，它们现在作为船舶监控和搜索救援 (SAR) 行动等海洋应用的技术支持至关重要。无人机上可以配备高分辨率摄像头和图形处理单元 (GPU)，以有效和高效地帮助定位感兴趣的物体，适用于紧急救援行动，或者在我们的案例中，用于精准水产养殖应用。现代计算机视觉算法使我们能够在动态环境中检测感兴趣的物体；然而，这些算法依赖于从无人机收集的大型训练数据集，而目前在海洋环境中收集这些数据集非常耗时且费力。为此，我们提出了一个新的基准套件 SeaD- roneSim，它可用于创建具有真实感的照片级航空图像数据集，并为任何给定对象的分割掩模提供地面实况。仅利用 SeaDroneSim 生成的合成数据，我们在真实航拍图像上获得了 71 个平均精度 (mAP)，用于检测我们感兴趣的对象，即本可行性研究中流行的开源遥控水下机器人 (BlueROV)。这款新模拟套装的结果可作为检测 BlueROV 的基准，可用于