XiaoMi-AI文件搜索系统
World File Search System检测算法
实用机载防撞系统的碰撞检测算法
本论文旨在解决上述出现的困难。虽然飞行员永远不应该停止关注周围环境，但该算法旨在检测危险，以防万一。这是通过使用 GPS 数据跟踪飞机的飞行并估计其可能的未来轨迹，然后与其他飞机交换和比较这些轨迹以找到潜在的碰撞路线来实现的。由于该问题尤其出现在热气流附近，因此热检测是使该算法有别于 FLARM [ 1 ] 等成熟技术的核心要素。热气流在飞行中被识别并在飞机之间在线传输，以最大限度地提高生成的预测的准确性。利用这一优势，可以更可靠地预测潜在的碰撞。
经典与量子主动用户检测算法性能比较
摘要 — 连接的移动设备数量的强劲增长对有效利用可用网络资源提出了新的挑战。代码域非正交多址 (NOMA) 技术似乎是一种非常有效的解决方案。每个设备都使用其分配的代码同时传输其数据以及用户标识符，而无需任何资源预留交换，从而节省了宝贵的无线资源。然而，这需要一个能够盲目检测活跃用户的接收器，这非常复杂。在量子架构有希望的叠加特性的驱动下，本文的目标是在 NOMA 的背景下调整和应用量子 Grover 算法进行活跃用户检测 (AUD)，以减轻搜索复杂性。将这种改进的 Grover 算法与最佳经典最大似然 (ML) AUD 接收器以及基本的经典传统相关接收器 (CCR) 进行了比较。根据接收信号的信噪比 (SNR) 评估 AUD 概率的基准。我们表明，我们改进的 Grover 算法在高 SNR 范围内非常有前景。索引词 —NOMA、AUD、最大似然、量子算法、Grover 算法
精确动物健康SVM疾病检测算法
牲畜育种农场通常位于偏远地区，由于兽医通道有限，疾病的诊断很具有挑战性。快速而精确的诊断变得特别困难。但是，采用动物疾病诊断专家系统可以显着改善这种情况。这样的系统有可能迅速准确诊断动物疾病，从而促进股票鸟类行业的可持续增长。本文通过理论分析和实际实验验证了将支持向量机（SVM）技术纳入此类专家系统的可行性。这些发现确认了SVM在准确诊断疾病中的有效性，从而突出了其对牲畜健康管理的潜在影响。
伊朗车辆图像数据集用于对象检测算法
训练深神经网络被认为是基本要求之一，因为关于图像的数量和质量和标记精度可以对训练有素的网络的产出准确性产生很大的影响。本文中介绍的数据集包含从在线伊朗汽车销售公司下载的3000张图像，包括Divar和Bama网站，这些图像在三个类中手动标记：汽车，卡车和巴士。标签的形式为5765个边界框，它以高精度来表征图像中的车辆，最终导致了可用于公共使用的独特数据集。在此数据集上训练的Yolov8S算法，对于验证图像，获得了令人印象深刻的最终精度为91.7％。在50％阈值下的平均平均精度（MAP）记录为92.6％。此精度被认为适用于城市车辆检测网络。值得注意的是，当比较了Yolov8S算法与该数据集训练的算法与使用可可数据集训练的Yolov8S时，MAP的MAP率在50％时增加了10％，地图范围为50％至95％。
用于脑肿瘤识别和分类的深度学习目标检测算法
主任，1 信息技术系，1 Babu Banarasi Das 北印度理工学院，勒克瑙，印度 摘要：脑肿瘤是全球面临的重大健康挑战，2023 年全球约有 100 万人受到影响。本研究评估了使用 MRI 图像检测和分类脑肿瘤的物体检测算法的有效性。评估使用了来自不同患者的 MRI 图像数据集，涵盖三种主要脑肿瘤类型：垂体、脑膜瘤和神经胶质瘤。该模型表现出稳健的性能，在验证数据集上具有普遍较高的精度、召回率和 mAP 值。值得注意的是，该模型有效地区分了各种脑肿瘤类型和背景，这由归一化混淆矩阵证明。对脑 MRI 图像的实际测试证实了该模型准确识别不同肿瘤区域的能力。总之，物体检测算法提供了一种有前途的自动化方法，用于识别脑肿瘤和对 MRI 图像进行分类，可能有助于临床医生进行精确的诊断和治疗计划。建议使用更大的数据集进行进一步研究，以增强该模型的临床适用性和可靠性。索引术语 - 脑瘤、物体检测、MRI。
基于面部视频序列的实时驾驶员疲劳检测算法研究
摘要：驾驶员疲劳检测研究对提高驾驶安全具有重要意义。为提高检测准确率，本文提出一种基于面部特征点的驾驶员疲劳实时综合检测算法，利用面部视频序列检测驾驶员疲劳状态，无需在驾驶员身上配备其他智能设备。构建任务约束的深度卷积网络，基于68个关键点检测人脸区域，解决各任务收敛速度不同导致的优化问题。根据实时人脸视频图像，基于面部特征点计算眼部纵横比（EAR）、嘴部纵横比（MAR）和闭眼时间百分比（PERCLOS）眼部特征。建立驾驶员疲劳综合评估模型，通过眼部/嘴部特征选择评估驾驶员疲劳状态。经过一系列对比实验，结果表明，该算法在驾驶员疲劳检测的准确率和速度上均取得了良好的效果。
无线脑机接口尖峰检测算法的硬件评估
摘要 — 当前，植入式脑机接口 (BMI) 的趋势是增加通道数量，以改进信息传输速率的下一代设备。然而，这会增加有线或无线系统的原始数据带宽，最终影响功率预算（和热耗散）。因此，植入物上的特征提取和/或压缩对于降低数据速率至关重要，但处理能力令人担忧。皮层内 BMI 的一种常见特征提取技术是尖峰检测。在这项工作中，我们通过实证比较了三种硬件高效的尖峰强调器、非线性能量算子 (NEO)、幅度斜率算子 (ASO) 和导数能量 (ED) 以及两种常见的统计阈值机制（使用平均值或中位数）的性能、资源利用率和功耗。我们还提出了一种新颖的中位数近似法来解决中位数算子硬件效率不高的问题。这些都已在可重构硬件 (FPGA) 上实现和评估，以估计它们在最终 ASIC 设计中的硬件效率。我们的结果表明，采用平均阈值的 ED 提供了最高效的硬件（低功耗/资源）选择，而使用中值则具有更高的检测精度和更高的阈值乘数设置稳健性的优势。这项工作意义重大，因为它是首次实现和比较硬件和算法权衡，在将算法转化为硬件实例以设计无线植入式 BMI 之前必须做出这些权衡。
基于自然图像统计特征的剪接图像检测算法的研究
1 University of Electronic Science and Technology of China, School of Computer Science & Engineering (School of Cybersecurity), Digital Media Technology, Chengdu, Sichuan, China 2 The University of Chicago, The Division of the Physical Sciences, Analytics, Chicago, IL, USA 3 University of Electronic Science and Technology of China, School of Integrated Circuit Science and Engineering (Exemplary School of Microelectronics), Microelectronics Science and工程，成都，四川，中国4号华盛顿大学，位于圣路易斯，奥林商学院，金融，圣路易斯，莫5哥伦比亚大学，FU工程基金会和应用科学学院，运营研究，纽约，纽约，纽约，纽约州a xiangao1434964964935@gmail@gmail.com，bimonajue.com，bsimonajue.com@yconajue.com@yqmail.com，dd99797979. liyang.wang@wustl.edu，e yucheng576@gmail.com
基于Blach球体和量子熵的叠加定律的全向图像的边缘检测算法
本文基于Bloch球体和量子局部熵的叠加定律提供了一种边缘检测算法，用于全向图像。全向视觉系统由于其较大的视野而已成为计算机视觉中的重要工具。但是，经典图像处理算法不适合直接应用于此类图像，而无需考虑每个像素周围的空间信息。为了显示所提出的方法的性能，对专门用于农业应用的合成和真实图像进行了一组实验。后来，采用了Fram和Deutsh标准来评估其对文献中提出的三种算法的性能，并为全向图像开发。结果表明，在边缘质量，边缘社区和噪音的敏感性方面表现更好。关键词：边缘检测，全向图像，量子图像处理，量子熵
基于高级综合的高效高速 Harris 角点检测算法的实时 FPGA 实现
Refka Ghodhbani 沙特阿拉伯北部边境大学计算机与信息技术学院计算机科学系，拉夫哈，沙特阿拉伯 | 突尼斯莫纳斯提尔大学理学院电子与微电子实验室 (E μ E) refka.ghodhbani@nbu.edu.sa（通讯作者）Taoufik Saidani 沙特阿拉伯北部边境大学计算机与信息技术学院计算机科学系，拉夫哈，沙特阿拉伯 |突尼斯莫纳斯提尔大学理学院电子与微电子实验室 (E μ E) taoufik.saidan@nbu.edu.sa Ahmed Alhomoud 沙特阿拉伯拉夫哈北部边境大学计算机与信息技术学院计算机科学系 aalhomoud@nbu.edu.sa Ahmad Alshammari 沙特阿拉伯拉夫哈北部边境大学计算机与信息技术学院计算机科学系 ahmad.almkhaidsh@nbu.edu.sa Rabie Ahmed 沙特阿拉伯拉夫哈北部边境大学计算机与信息技术学院计算机科学系 | 埃及贝尼苏埃夫大学理学院数学与计算机科学系 rabie.ahmed@nbu.edu.sa