XiaoMi-AI文件搜索系统
World File Search System少数几个
基于双向RNN的3D医疗图像分割的少数射击学习
在3D医学图像中对感兴趣的器官进行分割是准确诊断和纵向研究的必要条件。尽管使用深度学习的最新进展已显示出许多细分任务的成功，但是高性能需要大的数据集，而注释过程既耗时又耗时。在本文中，我们提出了一个3D少数射击分割框架，以使用目标器官注释的有限训练样本进行准确的器官序列。为了实现这一目标，像U-NET一样的网络旨在通过了解支持数据的2D片与查询图像之间的关系，包括辅助门控复发单元（GRU），该单元（GRU）了解相邻切片之间编码特征的一致性。此外，我们会介绍一种传输学习方法，以通过在支持数据中采样的任意支持和查询数据进行测试之前对模型进行更新，以适应目标图像和器官的特征。我们使用带有不同器官注释的三个3D CT数据集评估了我们提出的模型。我们的模型比最先进的射击分段模型产生了显着提高的性能，并且与经过更多目标培训数据训练的完全监督模型相当。
了解少数种族和族裔护理人员对流感和 SARS-CoV-2 疫苗的犹豫
摘要：(1) 背景：我们比较了黑人、西班牙裔和白人父母/看护人对流感和 SARS-CoV-2 疫苗的犹豫程度，并确定了疫苗接种的障碍和促进因素。(2) 方法：这是一项混合方法研究。对 6 个月至 18 岁儿童的 ED 看护人进行了横断面调查，比较了不同看护人对疫苗的犹豫程度。调查参与者的六个焦点小组按看护人的种族/民族和看护人接种 SARS-CoV-2 疫苗的意愿进行分层，评估了疫苗接种的促进因素和障碍，并使用综合实施研究框架 (CFIR) 进行主题编码。 (3) 结果：调查 (n = 589) 显示，黑人看护者对儿童流感 (42% 比 21%) 和 SARS-CoV-2 (63% 比 36%；均 p < 0.05) 的疫苗犹豫率明显高于白人看护者。西班牙裔看护者比白人看护者更犹豫 (37% 流感和 58% SARS-CoV-2)，但这并不显著。定性分析 (n = 23 名看护者) 发现，障碍包括疫苗副作用、缺乏必要性、数据/科学不足和不信任。促进因素包括疫苗接种的便利性、对疾病的恐惧以及保护他人的愿望。 (4) 结论：少数族裔看护者报告的流感和 SARS-CoV-2 疫苗犹豫程度更高。我们确定了包括黑人和西班牙裔护理人员在内的疫苗接种促进因素和障碍，这可能为旨在公平提高儿童疫苗接受度的干预措施提供指导。
现实生活中的几个射击对象检测：关于自动 - 收获的案例研究
摘要 - 在Covid-19期间的确定对世界各地的农业造成了严重影响。作为有效的解决方案之一，基于对象检测的机械收获/自动收获和机器人收割机成为迫切需要。在自动收获系统中，良好的几个射击对象检测模型是瓶颈之一，因为该系统需要处理新的蔬菜/水果类别，并且收集了所有新颖类别的大规模注释数据集的收集。社区开发了许多射击对象检测模型。然而，是否可以直接用于现实生活中的农业应用程序仍然值得怀疑，因为常用的培训数据集与现实生活中农业场景中收集的图像之间存在上下文差距。为此，在这项研究中，我们提出了一个新颖的黄瓜数据集，并提出了两种数据增强策略，有助于弥合上下文差距。实验结果表明，1）最先进的几个射击对象检测模型在新型的“ Cucumber”类别上的性能很差； 2）提出的增强策略的表现优于常用的增强策略。
BI-PATH组合YOLO用于实时的几个射击对象检测
几乎没有射击对象检测（FSOD）近年来随着模型训练期间实例的定量限制而受到更多关注。以前的作品基于元学习和转移学习的重点关注检测精度，但忽略了推断速度，这很难适用于应用量。在这封信中，为了保持高的下环速度和可比的检测精度，我们提出了一个标题为“双路径组合”的实时检测器，您只能看一次（BC-Yolo）FSOD。bc-yolo可以通过两阶段训练方案归类为基于转移学习的单阶段对象检测器。它特别由双路线并行检测分支组成，分别检测基础和新的类对象，并且通常在推断阶段检测对象。此外，为了提升从几个射击对象训练的模型概括，我们进一步提出了一种细心的Dropblock算法，以使探测器专注于对象的整个细节，而不是局部判别区域。Pascal VOC 2007和MS Coco 2014数据集的广泛实验表明，我们的方法可以比最先进的方法在速度和精确度之间实现更好的交易。
基于邻里覆盖范围和相似性的自动驾驶汽车的几个场景测试
摘要 - 在大规模部署之前，必须调查和评估自动驾驶汽车（AV）的安全性能。实际上，特定AV的测试场景数量受到严格限制的预算和时间受到严格限制。由于严格限制的测试施加的限制，现有的测试方法通常会导致明显的不确定性或难以量化评估结果。在本文中，我们首次提出了“少数测试”（FST）问题，并提出了一个系统的框架来应对这一挑战。为了减轻小型测试方案集中固有的可观不确定性，我们将FST问题作为优化问题，并根据社区覆盖范围和相似性搜索测试方案集。具体而言，在AVS设置的测试方案更好的概括能力的指导下，我们动态调整了该集合以及每个测试方案对基于覆盖范围的评估结果的贡献，利用了替代模型（SMS）的先前信息。通过SMS上的某些假设，建立了评估误差的理论上上限，以验证给定数量有限的测试中评估准确性的充分性。与常规测试方法相比，剪切方案的实验结果表明，我们方法的评估误差和方差显着降低，尤其是对于对场景数量严格限制的情况。索引术语 - 射击测试，自动驾驶汽车，SCENARIO覆盖范围，测试方案集
伊斯兰与经济发展：中东和北非的非穆斯林少数民族的案例
本章调查了中东和北非（MENA）地区的经济历史上的一个长期困难：为什么中东和梅纳的土著非穆斯林少数民族比穆斯林多数派的社会经济成果更好？关注埃及的科普特基督徒的案例，埃及是该地区绝对数量的最大的非穆斯林少数群体，并采用了广泛的新型档案数据来源，该章认为，科普特人的上级SES可以通过伊斯兰的消极影响来解释，这两个伊斯兰教对穆斯林的负面影响都不定义为伊斯兰教的待遇（伊斯兰教的待遇也被定义为一组信仰或copitions copitions copitions coptiationsization coptiationsization coptize）化。相反，本章将现象追溯到埃及历史上从科普特基督教到伊斯兰教的历史conversion依，在641 CE的阿拉伯人征服当时的埃及人之后。的论点是，从641到1856年，对非穆斯林（最初所有埃及人）对非穆斯林（最初所有埃及人）的投票税的回归率导致（非转换）Copt的缩水缩小到了一个更好的少数民族中。Coptic-Muslim SES GAP随后由于对获得白领和手工技能的群体限制而持续存在。本章开辟了有关北非地区及其他地区非穆斯林少数民族的新研究领域。
透视图不足以少数族裔代表性在SARS-COV-2疫苗试验中
摘要。少数民族社区在美国首当其冲。非白人已经收缩了大多数SARS-COV-2感染；黑人美国人的共同死亡率是白人的两倍以上。鉴于此，研究这些人群中预防和治疗SARS-COV-2的最有效方法应该是研究的优先事项，尤其是在疫苗试验方面。美国国立卫生与食品药物管理局的联邦准则强调需要将少数群体纳入这些试验，但没有公开可用的SARS-COV-2疫苗试验方案需要代表的少数群体抽样。这篇文章强调了将少数民族社区充分纳入SARS-COV-2疫苗试验的重要性，以及该纳入SARS-COV-2疫苗分布的含义。
区域性变异性16在超少数17个时标18
21隶属关系：22 1德国赫尔姆霍尔兹极地和海洋研究中心阿尔弗雷德·韦格纳学院。23 2玛鲁姆大学，马鲁姆大学 - 海洋环境科学和地球科学学院，布雷门境，德国24 25 25 3 3 3tübingen大学地球科学系，德国图宾根大学26 4物理学系44号。 Heidelberg University of Education, Heidelberg, 29 Germany 30 7 Institute of Environmental Assessment and Water Research (Idaea-CSIC), Barcelona, Spain 31 8 Institute for Coastal Systems-Analysis and Modeling, Helmholting, Helmholting, HELMHolting, HELMHOLTING, HEREON, Geesthacht, Germany 32 9 Barcelona Super Computing Center (BSC), Barcelona,西班牙。33 10地球科学研究所，教授。气象学，莱茵弗里德里希 - 威廉 - 维勒姆斯 - 诺弗米蒂特·波恩，德国波恩，德国波恩34 11地球表面动力学研究所，地面动力学，乔兴，洛桑，洛桑，瑞士大学，瑞士大学35 12 12 12 arc卓越中心在澳大利亚生物多样性和澳大利亚，澳大利亚，澳大利亚人，澳大利亚，澳大利亚，澳大利亚，澳大利亚人，澳大利亚人，澳大利亚人，澳大利亚，澳大利亚人，澳大利亚，历史，澳大利亚3月3日*通信：tlaepple@awi.de 39 40
Orix同意投资9.8亿美元，以收购Greenko的大量少数股权
Orix（TSE：8591; NYSE：IX）已签订了一项确定的框架协议，以进行至少9.8亿美元的投资，以通过主要和次要交易的结合，以大约575亿美元的价格收购Greenko Energy Holdings（Greenko）的股票。Orix将在关闭时至少获得Greenko发行的股票的20％。Orix的确切股份和投资金额可能会因交易调整，汇率和未来资本输注而改变。投资进一步巩固了公司的股东基础，包括GIC等长期投资者和阿布扎比投资局（ADIA）的全资子公司，并加强了该公司作为提供长期，最不可能的可再生能源的全球领导者的地位。此外，Orix在印度的873兆瓦（MW）将被格林科（Greenko）收购，并将受到习惯监管的批准和某些条件。