XiaoMi-AI文件搜索系统
World File Search System图像分析
金融领域的人工智能 - quo vadis
基于人工智能的系统可以纯粹基于软件，在虚拟世界中运行（例如语音助手、图像分析软件、搜索引擎、语音和面部识别系统）或者人工智能可以嵌入硬件设备中（例如高级机器人、自动驾驶汽车、无人机或物联网应用程序）。
标题：人工智能在农业和环境科学中的应用
描述：本课程旨在介绍农业和环境科学的基本原理（精准农业、植物表型分析、农业食品中的区块链等）以及人工智能方法（机器人、大数据分析、图像分析等）在这些领域的应用。
Yifan WangYifan Wang
我的研究兴趣广泛在于计算机视觉，机器学习，认知科学和医学图像分析。我目前的研究重点是解码大脑信号和生成模型的潜在应用。我对认知科学与机器学习的交集很感兴趣，我致力于开发可靠的机器学习系统。
Blaschke-T.-2005-基于变化检测的框架...
随着高分辨率卫星图像和机载数码相机数据的出现，包含上下文信息的方法越来越常用。在图像分析中包含空间维度的一种方法是识别相对同质的区域并将其视为对象。虽然分割并不是一个新概念，但基于图像分割的应用程序数量最近正在显著增加。同时，新的方法挑战也随之出现。标准变化检测和精度评估技术主要依赖于对单个像素的统计评估。对于显示形状、边界、同质性或拓扑信息的图像对象，这种评估并不令人满意。在基于多时间对象的图像分析中，必须评估这些描述现实世界对象的额外信息维度。本文确定了与多时间对象识别相关的问题，并提出了基于图像对象的变化检测框架。为简单起见，该框架将 n 维问题分解为两个主要方面，即几何和主题内容。这两个方面可以与以下问题相关联：某个分类对象是否发生了几何变化、类别变化，还是两者兼而有之？我们什么时候才能将一个数据集中的对象识别为另一个数据集中的同一个对象？我们是否需要用户定义或特定于应用程序的阈值来表示几何重叠、形状-面积关系、质心移动等？本文阐明了对象变化检测的一些具体挑战，并将 GIS 功能纳入图像分析。
Blaschke-T.-2005-基于变化检测的框架...
随着高分辨率卫星图像和机载数码相机数据方法的出现，包含上下文信息的方法被更广泛地使用。在图像分析中包含空间维度的一种方法是识别相对同质的区域并将其视为对象。虽然分割不是一个新概念，但基于图像分割的应用程序数量最近正在显著增加。同时，出现了新的方法挑战。标准变化检测和准确性评估技术主要依赖于统计评估单个像素。对于表现出形状、边界、同质性或拓扑信息的图像对象，此类评估并不令人满意。在基于多时间对象的图像分析中，必须评估描述现实世界对象的这些额外信息维度。本文确定了与多时间对象识别相关的问题，并提出了基于图像对象的变化检测框架。为简单起见，该框架将 n 维问题分解为两个主要方面，即几何和主题内容。这两个方面可以与以下问题相关联：某个分类对象是否在几何上、类别上或两者上发生了变化？我们何时可以将一个数据集中的对象识别为另一个数据集中的同一对象？我们是否需要用户定义或特定于应用程序的阈值来进行几何重叠、形状面积关系、质心移动等？本文阐明了对象变化检测的一些具体挑战，并将 GIS 功能纳入图像分析。
Blaschke-T.-2005-基于变化检测的框架...
随着高分辨率卫星图像和机载数码相机数据的出现，包含上下文信息的方法越来越常用。在图像分析中包含空间维度的一种方法是识别相对同质的区域并将其视为对象。虽然分割并不是一个新概念，但基于图像分割的应用程序数量最近正在显著增加。同时，新的方法挑战也随之出现。标准变化检测和精度评估技术主要依赖于对单个像素的统计评估。对于显示形状、边界、同质性或拓扑信息的图像对象，这种评估并不令人满意。在基于多时间对象的图像分析中，必须评估这些描述现实世界对象的额外信息维度。本文确定了与多时间对象识别相关的问题，并提出了基于图像对象的变化检测框架。为简单起见，该框架将 n 维问题分解为两个主要方面，即几何和主题内容。这两个方面可以与以下问题相关联：某个分类对象是否发生了几何变化、类别变化，还是两者兼而有之？我们什么时候才能将一个数据集中的对象识别为另一个数据集中的同一个对象？我们是否需要用户定义或特定于应用程序的阈值来表示几何重叠、形状-面积关系、质心移动等？本文阐明了对象变化检测的一些具体挑战，并将 GIS 功能纳入图像分析。
超便携式超声波提供诊断级成像、AI 和 CW/PW
1 Trio 是一个实时自动图像标记、分级和指导系统，可让医疗从业人员（包括未接受过超声检查培训的人员）收集图像，以满足在宣布的 COVID-19 公共卫生紧急事件期间的紧急图像分析需求。Trio 旨在由合格的医疗保健专业人员或在经过培训或获得许可的医疗保健专业人员的监督或现场指导下使用。此功能尚未获得 FDA 批准。AI 辅助 EF 工作流程使用 AI 为医疗从业人员（包括未接受过超声检查培训的人员）执行初始 EF 计算，以满足在宣布的 COVID-19 公共卫生紧急事件期间的紧急图像分析需求。AI 辅助 EF 工作流程旨在由合格的医疗保健专业人员或在经过培训或获得许可的医疗保健专业人员的监督或现场指导下使用。此功能尚未获得 FDA 批准。
使用重叠块和多类加权交叉熵的基于深度学习的选择性注意的全自动脑肿瘤分割
Mostefa Ben Naceur、Mohamed Akil、Rachida Saouli、Rostom Kachouri。使用重叠块和多类加权交叉熵，通过基于深度学习的选择性注意实现全自动脑肿瘤分割。医学图像分析，2020 年，�10.1016/j.media.2020.101692�。�hal-02533454�
病变分类和糖尿病性视网膜病变分级，通过将软效果和汇总到视觉变压器
方法：在这些技术中，深度学习模型已经证明了各种类型的机器视觉任务的有希望的结果。但是，大多数以医学图像分析为导向的深度学习方法建立在卷积操作上，这可能会忽略医学图像中远程像素之间的全球依赖性。因此，可以在医学图像分析中逐渐采用了可以揭示全球像素之间关联的视觉变压器模型。但是，注意机制的二次计算复杂性阻碍了视力变压器在临床实践中的部署。考虑到上面的分析，这项研究引入了具有软磁性和线性模块的综合自我发场机制，以同时保证效率和表现力。是特定的，通过添加一组代理令牌，在注意模块中采用了比原始查询和键代币的一部分和关键令牌。请注意，代理令牌可以完全利用软磁性和线性注意的优势。
Demetre P. Argialas 教授，理学硕士、博士
雅典国立技术大学。Argialas 教授（1977 年毕业，雅典国立技术大学（农村和测量工程），1979 年硕士，田纳西大学空间研究所，1985 年博士，土木工程，俄亥俄州立大学，路易斯安那州立大学助理教授，1985-1991 年）。Argialas 教授教授过照片解释、遥感、数字图像分析、地形分析、知识型专家系统、数值分析、PASCAL 编程和工程测量等课程。他曾担任美国、欧盟和希腊 30 多个研究项目的首席或联合首席研究员或研究员，并在国际期刊和同行评审会议上发表了 130 多篇与拟议项目科学领域相关的科学出版物。他有 1600 多次引用。他教授过 15 多门本科和研究生课程。他指导过 100 多篇本科和研究生论文，并且指导过七 (7) 篇论文，目前正在指导两 (2) 篇论文。Argialas 教授在遥感图像分析、模式识别和基于知识的专家系统方面拥有丰富的经验和重大贡献。在过去的几年里，他的研究兴趣集中在：对象检测和提取、监督和非监督分类、面向对象的图像分析、模式识别、专家系统、本体、地形建模和表示、变化检测和地图更新、环境地理过程的短期和长期监测。他最近协调了五个跨学科研究项目，目前正在四个跨学科的大学研究生硕士课程中任教。他曾担任 ASCE、ASPRS、IEEE、TRB、ISPRS、SPIE、WARM 的审稿人、ASPRS 的会议主席和 PE&RS (ASPRS) 的客座编辑。他还曾担任各机构研究提案的审稿人。(http://users.ntua.gr/argialas)