XiaoMi-AI文件搜索系统
World File Search System体检
基础系列和加强剂量疫苗对美国新冠肺炎相关住院率的有效性：活体检测阴性设计研究
凯瑟琳·亚当斯、1 吉莉安·P·罗兹、2 迪亚·苏里、1 曼朱莎·加格拉尼、3 阿迪特·A·金德、4 特雷莎·麦克尼尔、3 H 凯普·塔尔博特、5、6 乔纳森·D·凯西、5 安妮·泽佩斯基、7 内森·I·夏皮罗、8 凯文·W·吉布斯、9 D 克拉克·菲尔斯、9 大卫·N·哈格、10 安妮·E·弗罗施、11 马修·C·埃克斯林、12 阿米拉·穆罕默德、13 尼古拉斯·J·约翰逊、14 杰伊·S·斯坦鲁布、15 伊桑·D·佩尔坦、16 塞缪尔·M·布朗、16 艾米丽·T·马丁、17 亚当·S·劳林、18 阿克拉姆·汗、19 劳伦斯·W·布塞、20 阿比吉特·杜加尔、21 珍妮弗·G·威尔逊、22 史蒂文·Y·张、23 克里斯托弗·马洛、24 珍妮·H·权、 25 James D Chappell、26 Natasha Halasa、26 Carlos G Grijalva、6 Christopher J Lindsell、27 Sandra N Lester、1 Natalie J Thornburg、1 SoHee Park、1 Meredith L McMorrow、1 Manish M Patel、1 Mark W Tenforde、1 Wesley H Self、2,28 代表急性病（IVY）网络中的流感和其他病毒
接近实时的物体检测，用于时间紧迫的任务规划
地理空间信息通过提供早期预警信号和提供运营见解，已经证明了其至关重要性。在本文中，我们将介绍另一个应用领域，即收集地理空间信息以用于综合培训和模拟解决方案。政府（即情报界）和商业地理空间数据提供商（例如 Maxar Technologies）为所选的感兴趣区域提供了大量接近实时的数据。例如，如果需要，Maxar 的卫星群每天可以提供多个重访周期。生成的大量地理空间数据是现代大数据分析的典型应用领域，由先进的机器学习模型支持。考虑到这些技术进步，我们将提供一个端到端地理空间平台来消化和分析捕获的数据（例如，通过无人机或卫星）并输出 3D 环境，从而为关键任务规划和培训提供下一代建模和仿真 (M&S) 解决方案。
接近实时的物体检测，为时间紧迫的任务规划提供具有地理参考物体的合成环境
地理空间信息已证明其至关重要，因为它可以提供早期预警信号和提供作战见解。在本文中，我们将介绍另一个应用领域，即收集地理空间信息以用于综合训练和模拟解决方案。政府（即情报界）和商业地理空间数据提供商（例如 Maxar Technologies）为选定的关注区域提供了大量接近实时的数据。例如，如果需要，Maxar 的卫星群每天可以提供多个重访周期。生成的大量地理空间数据是现代大数据分析的典型应用领域，而现代大数据分析则由先进的机器学习模型支持。考虑到这些技术进步，我们将提供一个端到端的地理空间平台来消化和分析捕获的数据（例如通过无人机或卫星）并输出 3D 环境，从而为关键任务规划和培训提供下一代建模和仿真 (M&S) 解决方案。
使用人工智能进行物体检测：综述
印度阿萨姆邦阿萨姆市中心大学 摘要：图像处理是一种处理图像以修饰图像或从中提取有用信息的技术。它可以定义为通过使用复杂算法对图像进行技术分析。在这里，图像用作输入，有用的信息作为输出返回。与此同时，人工智能行业也正迎来巨大的繁荣曲线。据《福布斯》报道，人们相信到 2020 年，人工智能和机器学习可以在广告和销售方面创造额外的 2.6 万亿美元价值，在生产和交付链规划方面创造高达 2 万亿美元的价值。索引词：人工智能、物体检测、卷积神经网络、R-CNN [1]、Fast R-CNN [2]、Faster R-CNN [3]、YOLO [4]。
Z10.3 - 化学品船船体检验 - ClassNK
化学品船船体检验 目录 1.总则 1.1 适用范围 1.2 定义 1.3 修理 1.4 厚度测量和近距检验 1.5 遥感检查技术 (RIT) 2.特别检验 2.1 附表 2.2 范围 2.2.1 总则 2.2.2 干船坞检验 2.2.3 液舱保护 2.3 整体检验和近距检验的范围 2.4 厚度测量的范围 2.5 液舱试验的范围 2.6 船龄超过 10 年的化学品船 3.年度检验 3.1 附表 3.2 范围 3.2.1 总则 3.2.2 船体检查 3.2.3 露天甲板检查 3.2.4 货泵舱和管隧检查（如有） 3.2.5 压载舱检查 4.中间检验 4.1 时间表 4.2 范围 4.2.1 总则 4.2.2 船龄 5 - 10 年的化学品船 4.2.3 船龄 10 - 15 年的化学品船 4.2.4 船龄 15 年以上的化学品船 5.检验准备 5.1 检验计划 5.2 检验条件 5.3 进入结构 5.4 检验设备 5.5 救援和应急响应设备 5.6 海上或锚地检验 5.7 检验计划会议 6.船上文件 6.1 总则 6.2 检验报告文件 6.3 支持文件 6.4 船上文件审查
通过 Meta 实现即时响应小样本物体检测器......
小样本物体检测（FSOD）旨在通过少量参考样本对新类别的物体进行识别和定位，是一项颇具挑战性的任务。先前的研究通常依赖于微调过程将其模型迁移到新类别，而很少考虑微调的缺陷，从而导致了许多应用缺陷。例如，这些方法由于微调次数过多而无法在情节多变的场景中令人满意，并且它们在低质量（如低样本和类别不完整）支持集上的性能严重下降。为此，本文提出了一种即时响应小样本物体检测器（IR-FSOD），它可以在没有微调过程的情况下准确直接地检测新类别的物体。为了实现目标，我们仔细分析了 FSOD 设置下 Faster R-CNN 框架中各个模块的缺陷，然后通过改进这些缺陷将其扩展到 IR-FSOD。具体来说，我们首先为框分类器和 RPN 模块提出了两种简单但有效的元策略，以实现具有即时响应的新类别对象检测。然后，我们在定位模块中引入了两个显式推理，以减轻其对基类别的过度拟合，包括显式定位分数和半显式框回归。大量实验表明，IR-FSOD 框架不仅实现了具有即时响应的少量对象检测，而且在各种 FSOD 设置下在准确率和召回率方面也达到了最先进的性能。
![b'figure 1。类似药物的小分子与miR21结合。我们基于共同的2--（（5-（5-（5-（piperazin-1-基）吡啶素2-基）氨基）吡啶[3,4-D]吡啶蛋白-4（3H） - 一种结构，我们合成了一系列密切相关的化合物。两种称为45（a）和52（b）的化合物在中间NM范围内具有很强的结合活性。通过移动单个氮的位置产生的化合物（表1）显示出显着降低的亲和力（5-10倍差）（C）。进行了1d 1 H NMR配体检测到的滴定，以评估候选化合物的结合：将浓度的RNA添加到含有100 m的小分子的溶液中，该溶液中含有50 mM pH 6.5的50 mM脱位Tris的小分子，以及250 mm nacl，50 mm kcl，50 mm kcl和2 mm kcl和2 mm mmmgcl 2。随着量增加的小分子与RNA结合，1 h线宽增加，NMR峰高度相应降低。相对于内标（DSA），从峰高的降低降低计算结合小分子的比例。曲线的饱和度为1，表明存在具有子-UM亲和力的主要单位位点。相比之下，无关的RNA结合化合物Palbociclib以低得多的值饱和，并显示了几乎线性滴定曲线，这表明了非特异性结合（有关所有测试化合物的结构，请参见表1）。可以通过拟合数据](/simg/a/a5e6054f458942da9d0fd315e2dff3ce571b5880.webp)
b'figure 1。类似药物的小分子与miR21结合。我们基于共同的2--（（5-（5-（5-（piperazin-1-基）吡啶素2-基）氨基）吡啶[3,4-D]吡啶蛋白-4（3H） - 一种结构，我们合成了一系列密切相关的化合物。两种称为45（a）和52（b）的化合物在中间NM范围内具有很强的结合活性。通过移动单个氮的位置产生的化合物（表1）显示出显着降低的亲和力（5-10倍差）（C）。进行了1d 1 H NMR配体检测到的滴定，以评估候选化合物的结合：将浓度的RNA添加到含有100 m的小分子的溶液中，该溶液中含有50 mM pH 6.5的50 mM脱位Tris的小分子，以及250 mm nacl，50 mm kcl，50 mm kcl和2 mm kcl和2 mm mmmgcl 2。随着量增加的小分子与RNA结合，1 h线宽增加，NMR峰高度相应降低。相对于内标（DSA），从峰高的降低降低计算结合小分子的比例。曲线的饱和度为1，表明存在具有子-UM亲和力的主要单位位点。相比之下，无关的RNA结合化合物Palbociclib以低得多的值饱和，并显示了几乎线性滴定曲线，这表明了非特异性结合（有关所有测试化合物的结构，请参见表1）。可以通过拟合数据
b'figure 1。类似药物样的小分子与MIR21结合。我们基于常见的2--（（5-（5-（piperazin-1-基）吡啶-2-基）氨基）吡啶[3,4-D]吡啶蛋白-4（3H） - 一种结构，并分析了它们与PRE-MIR-21结合使用通用NMR ASSAIN 1，2。在NM中部范围内，称为45（a）和52（b）的两种化合物具有很强的结合活性。通过移动单个氮的位置产生的化合物（表1）显示出明显降低的亲和力（5-10倍差）（C）。1 H NMR配体检测到的滴定，以评估候选化合物的结合：将浓度的RNA添加到含有100 m小分子的溶液中，该溶液中含有50 mM pH 6.5的氘化TRI的缓冲液中的小分子，以及250 mm NACL，NACL，50 mm KCL，KCL和250 mm KCL和2 mmmmmmmmmgcl 2。随着增加量的小分子与RNA结合，1小时线宽增加，而NMR峰高相应降低。相对于内标（DSA），从峰高的降低降低来计算结合小分子的分数。曲线饱和为1的值表示存在具有子-UM亲和力的主要单位位点；相比之下，无关的RNA结合化合物Palbociclib以低得多的值饱和，并显示了几乎线性滴定曲线，这表明了非特异性结合（有关所有测试化合物的结构，请参见表1）。可以通过将数据点拟合到结合等温线来计算近似结合常数。化合物52的数据拟合对应于近似K d = 200 nm，而化合物45和49（表1）均具有K d = 600 nm。
YOLO 物体检测器和 Inception-V3 卷积神经网络用于改善脑肿瘤分割
对于一系列医学分析应用，脑肿瘤定位和从磁共振成像 (MRI) 中分割脑肿瘤是一项具有挑战性但至关重要的工作。许多最近的研究包括四种模式：即 T1、T1c、T2 和 FLAIR，这是因为每个肿瘤致病区域都可以通过每种脑成像模式进行详细检查。尽管 BRATS 2018 数据集给出了令人印象深刻的分割结果，但结果仍然更复杂，需要更多的测试和更多的训练。这就是为什么本文建议在整幅图像之外的一小部分图像上操作预处理策略，因为这样才能创建一个有效且灵活的脑肿瘤分割系统。在第一阶段，使用不同的分类器（如决策树、SVM、KNN 等）开发集成分类模型，使用小部分的策略将图像分类为肿瘤和非肿瘤类，可以完全解决过度拟合问题并减少使用 inceptionv3 CNN 特征的 YOLO 对象检测器模型中的处理时间。第二阶段是推荐一种高效且基本的级联 CNN (C-ConvNet/C-CNN)，因为我们处理每个切片中脑图像的一小部分。级联卷积神经网络模型以两种独立的方式提取可学习的特征。在 BRATS 2018、BRATS 2019 和 BRATS 2020 数据集上，对所提出的肿瘤定位框架进行了广泛的实验任务。三个数据集的 IoU 得分分别为 97%、98% 和 100%。本文详细讨论并介绍了其他定性评估和定量评估。
研究文章的协作脑机构接口框架，用于增强动态视觉目标的群体检测性能
在性能增强中，协作脑部计算机接口（CBCI）的优势使其成为破坏基于BCI的动态视觉目标检测的性能瓶颈的有效方法。但是，现有的CBCIS专注于静态和单向模式的多核信息融合，缺乏多个代理之间的信息交互和学习指导。在这里，我们提出了一个新型的CBCI框架，以增强动态视觉目标的群体检测性能。特别是，具有信息交互，动态学习和个人传递能力的相互学习域自适应网络（MLDANET）是CBCI框架的核心。Mldanet将P3-SSDA网络作为单个网络单元，引入相互学习策略，并在神经决策级别上建立一个动态的互动学习机制和协作性决策。te结果表明，所提出的MLDANET-CBCI框架可以达到最佳的组检测性能，并且相互学习策略可以提高单个网络的检测能力。在Mldanet-CBCI中，协作检测和单个网络的F1得分分别比三个思维协作时分别比多阶级的CBCI中的F1分别高0.19。tus，所提出的框架突破了传统的多态度协作模式，并展示了动态视觉目标的出色群体检测性能，这对于多智力协作的实际应用也非常有意义。
机器人人体检测的跨模态分析
摘要 — 感知和学习算法的进步已使机器人进行人体检测的解决方案越来越成熟，特别是在某些用例中，例如自动驾驶汽车的行人检测或消费者环境中的近距离人体检测。尽管取得了这些进展，但一个简单的问题：哪种传感器-算法组合最适合手头的人体检测任务？仍然很难回答。在本文中，我们通过对机器人技术中常用的传感器-算法组合进行系统的跨模态分析来解决这个问题。我们比较了最先进的人体检测器在具有挑战性的工业用例中对 2D 范围数据、3D 激光雷达和 RGB-D 数据及其选定组合的性能。我们进一步解决了工业目标领域数据稀缺的相关问题，并且最近对 3D 点云中人体检测的研究主要集中在自动驾驶场景上。为了将这些方法上的进步用于机器人应用，我们利用一种简单但有效的多传感器迁移学习策略，通过扩展强大的基于图像的 RGB-D 检测器，以弱 3D 边界框标签的形式为激光雷达检测器提供跨模态监督。我们的结果表明，在检测性能、泛化、帧速率和计算要求方面，不同方法之间存在很大差异。由于我们的用例包含代表广泛服务机器人应用的困难，我们相信这些结果为进一步研究指出了相关的开放挑战，并为从业者设计他们的机器人系统提供了宝贵的支持。