XiaoMi-AI文件搜索系统
World File Search System每幅
Shotzr AI 图像资产
我们采用一流的深度学习来应对图像位置数据的挑战。这种方法大大降低了将位置数据应用于每幅图像的成本。无论是识别社交帖子中出现的零售地点，还是评估 1 亿张图像的位置，LocationID 都可以扩展以提供图像的位置标签。
GE 人工智能 (AI) 气胸 (PTX) 研究
1.Bos JVD 等人 (2011) 171 亿美元的问题：可衡量医疗错误的年度成本。健康事务。30 (4) https://www.healthaffairs.org/doi/full/10.1377/hlthaff.2011.0084 2.对于技术难度，每幅图像均使用以下标准进行评级，该标准来自 Ley-Zaporozhan J、Shoushtari H、Menezes R、Zelovitzky L、Odedra D、Jimenez-Juan L 等人。(2018) 使用便携式胸部 X 线摄影增强 ICU 患者的气胸可视化。PLoS ONE 13(12): e0209770。https://doi.org/10.1371/journal.pone.0209770 3.对于临床难度，每幅图像均根据 Armstrong, P. (2000) 中是否存在具有挑战性的合并症/气胸模仿而进行分类。胸膜和胸膜疾病。在 M. Houston (ed.) 中。胸部疾病成像。(第 3 版)。(第763-775 页)。英国伦敦：Mosby 4。文件中的数据 GE Healthcare 510k K183182 5。Yarmus，Lonny 和 David Feller-Kopman。“危重患者的气胸。” Chest 141.4 (2012): 1098-1105。
使用表型、结构和功能 MRI 数据增强自闭症谱系障碍的诊断
模型 3 分类器使用深度学习方法来预测目标类别。图像的目标大小为 190 x 190。每幅图像乘以因子 1/255，因此像素值在 [0, 1] 范围内。该模型的架构由 2D-CNN 模型的所有层组成，除了密集层。在训练之前，所有来自卷积的层都不可训练。它有两个密集层，每个层有 120 个单元，后面跟着一个 S 形层。采用 Adam 优化器，损失函数为二元交叉熵。模型 3 的架构如图 3 所示。
使用深度学习进行肿瘤大小估计和 3D 模型查看
在花费大量时间尝试所有可能的格式后，作者选择了 TIFF（标签图像文件格式）格式。在 TIFF 格式中，图像和与图像相关的数据信息都存储在文件中。将 DICOM 扫描转换为 TIFF 格式后，进行了规范化，将像素阵列规范化为 256 个交叉 256 个图像，因为每个受试者的每幅图像在受试者和位置之间各不相同。对图像进行规范化后，将彩色图像从 RGB 格式转换为灰度格式，因为这可以减少计算要求。处理 RGB 格式的图像比处理灰度需要更多的 GPU 计算能力和资源。除了规范化和灰度转换之外，作者还尝试
详细规格技术手册 - EverySpec
3.6.6.9 索引号。每幅图均应有以 1 开头的索引号。可采用任何能够有效识别零件的适当方法，如使用引线、直接在零件上标出索引号等。索引号必须与清单中显示的一致（见 3.6.7.1 和 3.6.7.1.1）。当拆卸/组装程序由于简单而不值得分解时（例如，微电路的绝缘垫或插座），应为每个项目分配一个索引号，并且所有索引号都应以一条引线显示，该引线终止于可见零件（见图 6）。当采购活动有规定时，参考指示符应在图中位于适用索引号之后或紧接在索引号下方的括号中（见 6.2 m.）。
高山地区的数字空中三角测量——一项挑战
随着自动化程度的提高，数字空中三角测量在摄影测量办公室的应用越来越广泛。如今，供应商和一些用户报告称，数字空中三角测量每幅图像的生产速度超过 10 分钟。然而，高水平的自动化对准确性和可靠性提出了很高的要求。在我们的论文中，我们展示了阿尔卑斯山区数字空中三角测量的结果，这些结果清楚地表明了数字点转移的局限性。我们的调查显示，特别是在阿尔卑斯山这种极其困难的地形上，必须采用半自动点转移技术或自动和半自动方法的组合才能获得可靠的结果。使用 HATS（Helava 自动三角测量系统）展示了四个区块（两个大型照片比例区块和两个具有不同小型照片比例的区块）的三角测量问题和结果。本文总结了阿尔卑斯山区数字三角测量的局限性并讨论了改进建议
利用稀疏混合专家扩展视野
稀疏门控混合专家网络 (MoE) 在自然语言处理中表现出色。然而，在计算机视觉中，几乎所有高性能网络都是“密集的”，也就是说，每个输入都由每个参数处理。我们提出了一种视觉 MoE (V-MoE)，它是 Vision Transformer 的稀疏版本，具有可扩展性，可与最大的密集网络相媲美。当应用于图像识别时，V-MoE 的性能可与最先进的网络相媲美，同时在推理时只需要一半的计算量。此外，我们提出了一种路由算法的扩展，该算法可以对整个批次中每个输入的子集进行优先级排序，从而实现自适应的每幅图像计算。这使得 V-MoE 能够在测试时权衡性能并顺利计算。最后，我们展示了 V-MoE 扩展视觉模型的潜力，并训练了一个 15B 参数模型，在 ImageNet 上达到了 90.35% 的准确率。
人工智能的工程应用
图像语义分割是一项基础的计算机视觉任务，它对图像进行逐像素分类，以将具有某些共同语义内容的像素分组。语义分割的主要问题之一是创建完全注释的数据集，其中每幅图像每个像素都有一个标签。这些注释非常耗时，而且标记越多，人为输入错误的百分比就越高。基于较少监督的分割方法可以减少标记时间和噪声标签。然而，在处理实际应用时，建立一种最小化标记时间同时最大化性能的方法绝非易事。我们的主要贡献是首次全面研究基于不同监督级别的最先进方法。对图像处理基线、无监督、弱监督和监督方法进行了评估。我们的目标是通过在不同领域的数据集（例如街景（Camvid）、显微镜（MetalDAM）、卫星（FloodNet）和医学图像（NuCLS））上提供性能和监督复杂性之间的权衡，为任何接触新实际用例的人提供指导。我们的实验结果表明：（i）无监督和弱学习在多数类上表现良好，这有助于加快标记速度；（ii）弱监督在少数类上的表现优于全监督方法；（iii）并非所有弱学习方法都对数据集的性质具有鲁棒性，特别是基于图像级注释的方法；（iv）在所有弱监督方法中，基于点的方法表现最佳，甚至可以与全监督方法相媲美。代码可在 https://github.com/martafdezmAM/lessen_ surveillance 获得。
征集作品——2023 年第十届哈罗德·J·“哈利”·格林少将采购写作奖挑战：作为美国陆军
征集作品 – 第 10 届年度竞赛 2023 年哈罗德·J·“哈利”·格林少将采购写作奖 挑战：随着美国陆军采购界为未来做准备，我们的重点是采购改革，以加快我们作战人员的能力，创新以确保他们保持决定性的技术优势，以及从士兵接触点、作战评估和先前冲突中吸取的经验教训。联合作战人员依靠我们在正确的时间将正确的装备交到他们手中，以阻止冲突，或者在做不到这一点的情况下，在战争中获胜。重要的是，我们要批判性地思考并有说服力地写作，以应对和克服向我们的军人提供能力的挑战。 提案：陆军助理部长办公室（采购、后勤和技术）赞助 2023 年哈罗德·J·“哈利”·格林少将采购写作奖，以鼓励批判性写作，重点关注陆军采购挑战和成功克服这些挑战的努力。尽管竞赛对所有人开放，但我们鼓励最大限度的参与，尤其是国防部 (DoD) 采购工作人员的参与。主题：作者必须从以下类别中选择并撰写有关美国陆军采购的文章：(1) 采购改革；(2) 未来行动；(3) 创新；或 (4) 经验教训。提交要求：提交的文章（属于确定的四个类别之一）必须涉及经验教训、应对当前环境的解决方案、采购中的创造力，或者从采购的角度讨论如何在建设 2030 年及以后的陆军的同时保持战备状态。所有提交的文章都应将采购过程与士兵联系起来。每篇文章应在 500 到 1,800 字之间，双倍行距，并使用 Arial 12 号字体。提交的文章必须是未分类的，并经过作者所在组织批准公开发布/出版。请于 2023 年 10 月 2 日午夜之前将参赛作品发送至 usarmy.pentagon.hqda-asa-alt.mbx.acq-writing-awards@army.mil，并附上作者的简短（不超过四行）个人简介，包括电子邮件地址和电话号码。提交后不得编辑或修改。艺术作品：每次提交均可附上照片、图形（插图和图表）或两者的组合，但这不是强制性的。所有照片的分辨率必须至少为 300 dpi，并采用 TIFF 或 JPEG 格式。请提供提交的每张照片的摄影师的姓名和命令；每幅插图的艺术家的姓名和命令；以及每张图表的来源组织。资格：论文必须是原创的，之前未曾提交过任何写作比赛或出版过（包括在线），并且在 2023 财年完成。作者可以提交多篇参赛作品，但每个类别只能提交一篇参赛作品。一个参赛作品可由两人或两人以上创作。任何撰写有关美国陆军采购文章的作者（国防部和非国防部人员均可）均可参加竞赛。政府承包商必须在正常工作时间之外完成提交的作品，建议其他人也这样做。评估流程：评审团将评估参赛作品，以确定每个类别的获奖者和荣誉奖。参赛作品将根据说服力（20%）、论点的清晰度和力度（20%）、创新性（20%）、与当前或未来环境的相关性（20%）和可行性（20%）获得积分。每个参赛作品将被分配一个编号，并盲提交给评委进行评估。奖项：将选出四名获奖者（每个类别一名）并提交给 2024 年春季版的《陆军 AL&T 杂志》发表，另外四份参赛作品将被选为荣誉奖并发表。如果出现平局，则每份参赛作品都将被认可。四位获奖者还将在华盛顿特区举行的美国陆军采购主管年度卓越领导力奖颁奖典礼上受到表彰，颁奖日期尚待确定。 POC：如有疑问，请联系 Karen Kurtz 女士，邮箱：karen.d.kurtz2.civ@army.mil，电话：(703) 545-0803（办公室），电话：571-232-4228（手机）。