XiaoMi-AI文件搜索系统
World File Search System多光谱
与X射线摄像机相关的多光谱监测数据在发夹的激光焊接期间
在当今的高性能电动发动机中，发夹技术用于提高效率。而不是由绕线线制成的定子，将较厚的铜销组装和焊接。由于表面污染，夹紧，定位或以前的切割过程，典型的焊缝失败，例如飞溅物，毛孔或连接不足。对于生产设施，它不足以识别有缺陷的焊缝；还需要进行分类以确定故障的原因并尽快纠正它们。在本研究的帮助下，在原位X射线摄影中评估了多光谱监测系统的能力。数据显示与蒸气毛细管的稳定性，焊接位置和飞溅形成的相关性。
抗抑郁药曲唑酮与双链DNA之间的相互作用：多光谱和计算分析
曲唑酮（TZD）是一种用于治疗主要抑郁症和睡眠障碍的抗抑郁药。升高的曲唑酮与中枢神经系统抑郁症有关，这表现为恶心，嗜睡，混乱，眩晕，疲惫等。要开发具有最小不良影响的临床活性药物化合物，必须全面了解该药物对DNA的作用机制。因此，我们利用各种光谱和计算技术研究了曲唑酮与DNA之间的相互作用方式。使用UV - VIS滴定的研究表明，DNA和曲唑酮具有有效的相互作用。通过稳态荧光研究，Lehrer方程计算得出的船尾伏默常数（K SV）的大小为5.84×10 6 m-1。uv - Vis吸收，DNA熔化，染料位移和圆形二分法研究表明，曲唑酮与小凹槽中的DNA结合。分子对接和分子动力学模拟表明TZD-DNA系统是稳定的，并且结合模式较小。此外，离子强度研究表明，DNA和曲唑酮没有实质性的静电结合相互作用。
内吞镜检查具有自动多光谱肠屏障病理学成像，以评估深度愈合，以预测溃疡性结肠炎的结局
消息屏障愈合代表了溃疡性结肠炎（UC）的一种新型治疗靶标，尽管其评估仍然具有挑战性并且缺乏标准化。这项探索性研究评估了超高放大射击内吞镜检查引导组织采样并驱动紧密连接（TJ）蛋白质自动量化的能力，以评估静脉屏障完整性并预测主要的不良结果（MAOS）。34例临床缓解中的UC患者前瞻性地接受了内吞镜检查和机器学习支持的肠内屏障蛋白评估的评估。内尾镜检查与Claudin-2表达的组合在12个月内准确预测MAOS方面表现出了希望。这种综合方法有望确定UC中的深层康复和增强对待目标策略。
多光谱图像分析和理解（MSIAU ...
计算机视觉中心（CVC）的多光谱图像分析和理解（MSIAU）有两个开放位置，适用于启动计算机视觉掌握硕士（MCV）的学生。学生将加入MSIAU集团，从事与多光谱图像处理和融合有关的项目，在以下情况下：卫星成像，农业群落行业，土地覆盖分析等。由于要应用的方法与MCV中研究的方法相关，因此有可能将本工作合同期间完成的部分工作用于主论文。
基于计算的时间分辨多光谱荧光显微镜
多光谱成像和时间分辨成像是荧光显微镜中的两个常见采集方案，它们的组合可能有益于提高特异性。数据集（时空，时间和光谱）的多维性引入了一些挑战，例如获取大数据集和较长的测量时间。在这项工作中，我们提出了一个时间分辨的多光谱荧光显微镜系统，其测量时间短，通过基于单像素摄像机（SPC）方案利用压缩感（CS）来实现。带有高分辨率摄像头的数据融合（DF）使我们能够解决典型的SPC的低空间分辨率问题。集成了硬件和算法的SPC，CS和DF的联合使用代表了一个计算成像框架，以减少在保留信息内容的同时减少测量的数量。这种方法已被利用以演示缩放功能而无需移动光学系统。我们在空间，光谱和时间特性方面描述和表征系统，以及对细胞样品的验证。
光与物质共同构造的多光谱光刻
Open Access本文是根据Creative Commons Attribution 4.0 International许可获得许可的，该许可允许以任何媒介或格式使用，共享，适应，分发和复制，只要您对原始作者和来源提供适当的信誉，请提供与创意共享许可证的链接，并指出是否进行了更改。本文中的图像或其他第三方材料包含在文章的创意共享许可中，除非在材料的信用额度中另有说明。如果本文的创意共享许可中未包含材料，并且您的预期用途不受法定法规的允许或超过允许的用途，则您将需要直接从版权所有者获得许可。要查看此许可证的副本，请访问http://creativecommons.org/licenses/by/4.0/。
在Twitter上分析气候变化话语的动态：新的带注释的语料库和多光谱分类
摘要围绕社交媒体平台上气候变化的话语已成为理解公众情绪，观点和参与这个关键全球问题的重要途径。公开可用的数据集的不可用，再加上社交媒体平台上对气候话语的多范围分析，强调了这一领域进一步发展的必要性。为了解决这一差距，在本文中，我们对Twitter上气候变化话语的复杂领域进行了广泛的探索，利用了一个精心注释的Climaconvo数据集，其中包含15,309条推文。我们的注释包括丰富的范围，包括相关性，立场，仇恨言论，仇恨和幽默的方向，提供对话语动态的细微理解。我们解决了剖析在线气候讨论并详细介绍我们全面注释方法的固有的挑战。除了注释外，我们还对六个任务进行了各种算法的基准评估：相关检测，立场检测，仇恨言论识别，方向和目标以及幽默分析。该评估增强了我们对话语中情感波动和语言微妙的理解。我们的分析扩展到探索性数据检查，推出推文分布模式，立场流行和仇恨言论趋势。采用复杂的主题建模技术揭示了主题簇的基础，从而提供了对话语中编织的各种叙事线程的见解。这些发现为寻求浏览气候变化讨论的复杂性的研究人员，政策制定者和沟通者提供了宝贵的资源。本文的数据集和资源可在https://github.com/shucoll/climaconvo上获得。
多光谱卫星图像Dhazing -IJRPR
阴霾通常是由烟，灰尘和水滴（例如烟雾，灰尘和水滴）产生的，可大大降低视觉清晰度。空气颗粒色散会严重影响在朦胧或有雾条件下拍摄的照片。这可以减少对比度，改变颜色，并使人眼很难检测物体特征。图片飞机的目的是通过减少外部因素的影响来改善图像的美学效果。要从照片中删除雾度，我们应用了黑通道先验算法。使用额外的危险照片估算氮氧化物的浓度，以提供污染的估计。气候变化的主要原因是空气污染和温室气体排放。当化石燃料在工厂或汽车中燃烧时，人为的温室气体排放或温室气体被释放到大气中。这些排放进一步加剧了全球变暖趋势。除了主要的温室气体和CO2外，化石燃料的燃烧发射了NO2和CO等化合物，使其成为估计CO2排放的有用参考点。
比较多光谱的机器学习...
侵入性植物物种对本地生态系统构成了重大威胁，绘制其分布对于有效的管理和保护工作至关重要。本研究使用遥感图像比较了不同机器学习技术在侵入性植物物种Spathodea Campanulata的多光谱特征中的性能。使用随机抽样技术收集了基于地面的植被的位置数据，并从Sentinel-2获取了卫星图像。结果表明，使用机器学习技术，蓝色，绿色，红色，红色和近红外带可有效区分侵入性S. campanulata，不蔬菜和其他植被。支持向量机（SVM）技术达到了80％的最高总体准确性，其次是随机森林（RF），为73％和K-Nearest邻居（KNN），占66％。高斯混合模型（GMM）技术的总体准确性最低为53％。SVM和RF在预测和观察的类之间显示出很大的一致性，而KNN显示中度一致，GMM的一致性差。SVM产生的地图描述了研究区域北部地区的侵入性植物物种的分布。相比之下，南部地区（包括蒂莫兰山的保护区）显示出s。campanulata的密集存在，表明该物种正在进行的入侵。这强调了有效管理和保护工作的必要性，以减轻侵入性植物物种对本地生态系统的负面影响。
一个单级分类器，用于检测GAN操纵多光谱卫星图像
摘要：当前的图像生成模型已经实现了非常现实的图像质量，提供了许多学术和工业应用。但是，为了确保这些模型用于良性目的，必须开发最终检测图像是否已合成生成的工具。因此，已经开发了几个在计算机视觉应用中表现出色的检测器。但是，这些检测器不能直接应用，因为它们是多光谱卫星图像，因此需要对新模型进行训练。虽然两类分类器通常达到高检测精度，但它们努力将图像域和与训练过程中遇到的形象不同的生成体系结构推广。在本文中，我们提出了一个基于量化量化的变异自动编码器2（VQ-VAE 2）功能的单级分类器，以克服两类分类器的局限性。我们首先要突出二进制分类器所面临的概括问题。通过在多个多光谱数据集中训练和测试有效网络架构来证明这一点。然后，我们说明，基于VQ-VAE 2的分类器，该分类器仅在原始图像上进行了培训，可以检测来自不同领域的图像，并由训练过程中未遇到的体系结构生成。最后，我们在同一生成的数据集上的两个分类器之间进行了面对面的比较，强调了基于VQ-VAE 2的检测器的出色概括能力，在使用vQ-ve-vae 2的探测器时，我们在使用蓝色和红色通道的0.05误报率为1时以1.05的误报率进行了检测。