XiaoMi-AI文件搜索系统
World File Search System供稿
增强自主无人机导航的隐私和安全性
摘要 - 自主无人驾驶汽车（UAV）已成为国防，执法，灾难响应和产品交付的重要工具。这些自主导航系统需要一个无线通信网络，并且最近是基于深度学习的。在诸如边境保护或灾难响应之类的关键场景中，确保自主无人机的安全导航至关重要。但是，这些自主无人机容易受到通过通信网络或深度学习模型的对抗性攻击 - 窃听 /中间 /成员 /成员推理 /重建。为了解决这种敏感性，我们提出了一种创新的方法，该方法结合了增强学习（RL）和完全同型加密（FHE），以实现安全的自主无人机导航。此端到端的安全框架是为无人机摄像机捕获的实时视频供稿而设计的，并利用FHE对加密的输入图像执行推断。虽然FHE允许对加密数据进行计算，但某些计算运算符尚未实现。卷积神经网络，完全连接的神经网络，激活功能和OpenAI Gym库被精心适应FHE域，以实现加密的数据处理。我们通过广泛的实验证明了我们提出的方法的功效。我们提出的方法可确保自主无人机导航中的安全性和隐私性，并且绩效损失微不足道。索引术语 - 自主无人驾驶汽车，完全同构加密，隐私，增强学习
通过实时面部识别增强安全性
庞迪切里大学，印度帕德切里摘要：随着暴力犯罪者（包括儿童性犯罪者）的累犯率令人震惊，对维护脆弱环境的高级安全措施的需求越来越紧迫。学校，育儿中心和其他高风险地区特别容易受到潜在威胁的影响，因此必须实施积极的解决方案，以确保儿童和员工的安全和福祉。在很大程度上依赖安全人员手动监控的传统监视系统正越来越多地证明实时识别和应对威胁的不足。人类的监督通常受到诸如延迟反应和判断错误之类的局限性，留下了关键的安全差距。我们建议的工作提供了一种新颖的视频监视系统，该系统使用DeepFaceNet，这是一种高度优化和模块化的深度学习模型，旨在克服这些困难。由于该技术主要旨在处理监视摄像机的实时视频供稿，因此它可以识别和检测具有犯罪背景的人的面孔，尤其是那些被归类为高风险罪犯的人。通过利用最新的面部识别技术，我们建议的系统提供了强大而全面的威胁检测解决方案。随着公共安全的改善，它还可以抑制犯罪行为，这有助于避免这种事件。该系统通过强调高精度，实时处理和可靠性来解决并确保安全和监视领域的更安全环境。索引术语：面部识别，深度学习，深度，监视，安全性。
小型航天器技术状况2024报告
NASA STI计划在特别出版物下运行。科学，机构首席信息官的主持人。技术或历史信息收集，组织，提供归档和NASA计划，项目和任务，散布NASA的STI。NASA STI经常关注的具有计划的受试者提供了对NASA的实质性公共利益的访问。Aeronautics和Space数据库及其公共接口，NASA技术报告服务器，技术翻译。因此，提供了全球外国航空和太空科学的英语翻译收藏之一。与结果相关的科学和技术材料都在NASA的两个非NASA渠道中发表。和NASA在NASA STI报告系列中，其中包括以下报告类型：专业服务还包括组织和发布研究结果，分发技术出版物。专业研究公告和完成的研究或重大重要供稿的报告，提供信息台和个人阶段的研究阶段，呈现搜索支持的结果，并启用数据交换NASA计划并包括广泛的数据服务。或理论分析。包括有关NASA STI数据的更多信息以及被认为是程序的信息，请参见以下内容：持续参考值。电子邮件将您的问题发送至help@sti.nasa.govNASA反审查的正式专业人员的一部分访问NASA STI计划主页论文，但在http://www.sti.nasa.gov手稿的http://www.sti.nasa.gov手稿的长度和图形演示范围内的严格限制较小。
集成电路质量和可靠性
Schroder 6. 磁泡记忆技术，Hsu Chang 7. 变压器和电感器设计手册，Colonel Wm. T. McLyman 8. 电磁学：古典和现代理论与应用，Samuel Seely 和 Alexander D. Poularikas 9. 一维数字信号处理，Chi-Tsang Chen 10. 互联动力系统，Raymond A. DeCarlo 和 Richard Saeks 11. 现代数字控制系统，Raymond G. Jacquot 12. 混合电路设计和制造，Roydn D. Jones 13. 变压器和电感器的磁芯选择：实践和规范用户指南，Colonel Wm. T. McLyman 14. 静态和旋转电磁设备，Richard H. Engelmann 15. 节能电动机：选择和应用，John C. Andreas 16. 电磁兼容，Heinz M. Schlicke 17. 电子学：模型、分析和系统，James G. Gottling 18. 数字滤波器设计手册，Fred J. Taylor 19. 多变量控制：简介，PK Sinha 20. 柔性电路：设计和应用，Steve Gurley，Carl A. Edstrom, Jr.、Ray D. Greenway 和 William P. Kelly 供稿 21. 电路中断：理论和技术，Thomas E. Browne, Jr. 22. 开关模式功率转换：基本理论和设计，K. Kit Sum 23. 模式识别：应用于大型数据集问题，单变量
对象检测
教授sasikumar.b@gmail.com和naveenmeti9353@gmail.com摘要：图像识别，增强现实，自动驾驶和监视的申请，这对这项计算机视觉至关重要。在这个项目中，使用复杂的深度学习技术来完成Python中检测到的事情。它使用预训练的卷积（CNN）模型使用神经网络，在图片或视频供稿中使用Yolo（仅查看一次）或SSD（单拍的多伯克斯检测器）来定位和识别事物。使用Pytorch和Tensor Flow等流行的库，使用thepython编程语言开发，训练和实现此副本时。用于处理传入数据的预处理程序，使用带注释的数据集的模型培训以及对新鲜照片或视频帧的推断都包含在实施中。此外，该项目还研究了如何加速推理，以便实时应用可以使用它。对象识别系统进行评估需要计算重要的性能度量，例如F1得分，回忆和精度。结果表明，在各种情况下，模型能够定位和识别项目。这项工作增加了扩展的机器视觉，并提供了一份有用的手册，用于利用Python实现感情对象。实现的模块化和灵活的设计使对于不同的用例和数据集修改变得易于修改。该项目的结果证明了在实际用途中进行更多突破的可能性，鼓励在包括图像处理，自主系统和监视的领域创新。关键字：Yolo
谁能在社交媒体上挑战公司伪善？
在2021年3月，Twitter上的机器人帐户（现为X）是由Francesca Lawson和Ali Fensome创建的，以挑战公司对国际妇女节的支持。该帐户@paygapapp自动对在英国政府的性别薪酬差距服务网站上列出的公司进行自动响应，其实际性别薪酬差异，因为所有在英国拥有250名员工或更多员工的公司都被要求报告其性别薪酬差距（性别薪酬差距差距差距差距差距 - bot -bot – about，about，n.d.）。到2023年3月的这项研究时，该机器人帐户已经积累了超过247,000个关注者，在Twitter上发布了11,400次，并拥有一个专门用于解释其消息背后的过程的网站。公司已经以各种方式对机器人做出了回应，包括阻止帐户，从供稿中删除其推文，或从公众视图中删除其初始推文（Breen，2022）。机器人如何影响社交媒体格局的问题非常重要。通常认为社交媒体景观是由人类用户组成的，但是在过去的十年中，跨平台的机器人帐户有所增加（Ferrara等，2016； Hagen等，2022）。这些机器人被定义为“模仿人类和/或人类行为的自动或半自动计算机程序”（Wagner等，2012），并且可以履行各种范围，从发布天气报告（如美国商务部，n.d. （Broniatowski等，2018）。
最新的 - 小型航天器技术
NASA STI计划在特别出版物下运行。科学，机构首席信息官的主持人。技术或历史信息收集，组织，提供归档和NASA计划，项目和任务，散布NASA的STI。NASA STI经常关注的具有计划的受试者提供了对NASA的实质性公共利益的访问。Aeronautics和Space数据库及其公共接口，NASA技术报告服务器，技术翻译。因此，提供了全球外国航空和太空科学的英语翻译收藏之一。与结果相关的科学和技术材料都在NASA的两个非NASA渠道中发表。和NASA在NASA STI报告系列中，其中包括以下报告类型：专业服务还包括组织和发布研究结果，分发技术出版物。专业研究公告和完成的研究或重大重要供稿的报告，提供信息台和个人阶段的研究阶段，呈现搜索支持的结果，并启用数据交换NASA计划并包括广泛的数据服务。或理论分析。包括有关NASA STI数据的更多信息以及被认为是程序的信息，请参见以下内容：持续参考值。电子邮件将您的问题发送至help@sti.nasa.govNASA反审查的正式专业人员的一部分访问NASA STI计划主页论文，但在http://www.sti.nasa.gov手稿的http://www.sti.nasa.gov手稿的长度和图形演示范围内的严格限制较小。
2型糖尿病中心血管疾病风险的模式和决定因素：尼日利亚当前糖尿病管理状态的见解增强微型对象检测而无需微调：具有最新YOLO模型和RT-DETR Transformer
高分辨率图像中的微小对象检测（TOD）在计算机视觉中提出了持续的挑战，包括低分辨率，遮挡和混乱的背景。本文介绍了动态自适应引导的对象推理切片（GOIS）框架，这是一种新型的两阶段自适应切片方法，该方法将计算资源转移到了感兴趣的区域（ROIS）。这种方法显着提高了检测精度和效率，在平均精度（AP）和小物体的平均回忆（AR）指标方面取得了3-4倍的改善。此外，该框架在其他指标中显示出50–60％的大量增长，从而确保了各种物体尺度的稳健性能。在特定的情况下注意到大型检测的略有下降，但戈伊斯在检测中小型物体方面始终表现出色，有效地解决了TOD固有的关键挑战。戈斯框架可以通过统一的效率和稳定的效率来整合自适应切片，多尺度的表示，以及启发了效率的效果。其体系结构 - 不合骨设计允许与包括Yolo11，Rt-Detr-L和Yolov8n在内的各种最新检测模型无缝集成，而无需大量的重新训练。对Visdrone2019-DET数据集进行了严格的验证，并通过对低分辨率图像，视频流和实时相机供稿进行评估，重点介绍了Gois的变革潜力。这些发现将其适用于关键领域，例如基于无人机的监视，自主导航和精确的Di-Nostics。代码和结果可在https：// github上公开获取。com/ mmuzammul/ gois，可在https：// youtu上进行实时演示。BE/ T5T5EB_ W0S4。
开发具有计算机视觉的POS系统的自动零售结帐
销售点（POS）是一种计算机化的硬件和软件系统，可用于完成销售交易。在处理总计之前，在常规POS设置中，收银员手动扫描单个产品条形码。此手动程序很费力，通常会导致长期排队和等待时间，尤其是在高峰时段，最终影响了客户体验和保留。这项工作旨在通过计算机视觉方法自动化产品扫描程序，从而加快了销售流程。在马来西亚零售店中发现的常见产品的自定义数据集上训练了一个有效的Yolov4对象检测模型。最初获取了550张图像，并将80:20分为培训和验证组；进一步的增强培训组的大小增加了1,320张图像。以0.0013的学习率进行了10,000个时期的训练。在训练期间，该模型获得了99.19％的地图，平均IOU的87.42％，平均损失为0.40。随后，该模型被部署在运行事务通知程序的低功率单板计算机上。为了评估其性能，使用该系统处理了10种具有随机产品组合的购物车实例。系统通过其视频供稿自动识别和量化了所有产品，并实时生成逐项账单。以0.9置信度阈值固定，系统在所有对象类中产生98％的平均精度。在短短14秒内处理了从产品检测到将逐项账单交付给系统管理员的交易。此POS系统具有与无人商店集成的潜力，可提供无缝的购物体验。
使用
边缘机器学习技术进入智能交通拥堵控制系统，利用高级对象检测算法，预测性建模和动态信号优化的功能。在这个创新系统的核心位置是Yolov8，这是一种最先进的对象检测算法，它在迅速识别和分类的车辆，行人，骑自行车的人和其他路交通摄像头中的其他道路元素方面都符合实时交通摄像头供稿。通过准确检测和跟踪这些对象，系统可以就交通流量，信号时机和安全措施做出明智的决定，从而提高城市交通管理的整体效率和有效性。所提出的系统代表了解决交通拥堵的一种整体方法，将卷积神经网络（CNN）的能力结合在一起，用于拥塞检测，增强学习与近端政策优化（PPO）进行动态信号时机以及长期短期记忆（LSTM）网络（LSTM）网络进行预测性建模。高级算法的这种协同集成使系统能够适应实时的交通状况，最大程度地减少拥塞并优化现有基础架构的利用。2。文献综述，城市交通拥堵的持久问题促使研究人员和工程师之间的一致努力制定了创新的补救措施。将机器学习（ML）和人工智能（AI）方法纳入交通管理系统已成为一种有前途的方法。本评论调查了基于ML的城市交通管理的相关研究和进步，旨在解决其对社会，环境和经济的多方面影响。