XiaoMi-AI文件搜索系统
World File Search System物体
与发射物体有关的国家义务
当前，太空利用正在经历非常快速的增长。许多国家通过发射太空物体执行了各种任务。在向太空发射物体时，国家有几项必须履行的义务，至少根据作者的说法，有三项基本义务，即登记、监督和丢失时的责任。因此，本研究旨在提供有关如何根据国际法履行这些义务的信息。本研究采用的方法是规范性司法方法。规范性司法方法是一种法律研究，通过查阅图书馆资料或二手资料作为研究基础，通过搜索与所研究问题相关的法规和文献来进行研究。太空物体的发射当然有一条法规，该法规可作为发射卫星等太空物体的标准。发射受 1976 年《登记公约》的管制，并在国际机构国际电信联盟登记（1976 年《登记公约》第 iv (1) 条）。除了登记外空物体外，国家还必须监督这些外空物体，了解它们执行任务的情况（1967年《外层空间条约》第六条），最后是因外空物体造成损失时国家应承担的责任。这在1967年《外层空间条约》（第七条）和1972年《责任公约》中有规定。A. 引言
生成稀有物体的合成卫星图像
抽象生成深度学习体系结构可以产生现实的高分辨率假图像，具有潜在的社会含义。评估这项技术的风险对公众需要更好地了解新颖生成方法可以生成现实数据的条件。在这种情况下的一个关键问题是：生成逼真的图像，特别是针对利基领域的真实图像有多容易。实现特定图像内容所需的迭代过程很难自动化和控制。尤其是对于罕见的阶层，很难评估忠诚度，这意味着生成的方法是否会产生现实的图像和对齐方式，这意味着（井）如何以人类的投入来指导一代。在这项工作中，我们对生成体系结构进行了大规模的经验评估，以生成合成卫星图像。我们专注于核电站作为罕见对象类别的一个例子 - 由于全球只有大约400个设施，因此对于许多其他情况，这种限制是示例性的，在许多其他情况下，培训和测试数据受到现实世界实例的限制限制的限制。我们通过从游戏引擎中获得的两种模式，文本输入和图像输入来生成综合图像，该图像允许对建筑物布局进行详细规范。生成的图像通过常用的指标进行评估，以进行自动评估，然后与我们进行的用户研究的人类判断进行比较，以评估其可信度。我们的结果表明，即使对于稀有物体，具有文本或详细建筑布局的真实合成卫星图像的产生也是可行的。但是，与以前的工作相一致，我们发现自动指标通常与人类的感知不符 - 实际上，我们发现常用的图像质量指标与人类评分之间存在很强的负相关性。我们认为，我们的发现使研究人员能够更好地评估不同生成方法的优势和劣势，尤其是针对利基领域和稀有物体类别，并可以帮助指导未来的生成方法改进。
透明物体的非破坏性光学测量
图3。透明对象识别和分割的光场失真功能在允许的情况下重现26。版权所有2015，Elsevier Inc.（a）背景失真来自不同对象，（b）背景失真从改变观点而变形，表明光场的失真与对象本身密切相关。（c）光场传播，表明透明对象的参与会改变光场的分布和相位。
发射到外层空间的物体的登记
联合国外空事务厅项目“登记项目：支持履行与登记射入外层空间物体有关的条约义务”得到了英国政府的慷慨支持。封面：从太空看到的海洋云。图片来源：美国宇航局联合国外空事务厅主任图片来源：Andrew Peebles/UNOOSA ST/SPACE/91 © 联合国，2023 年 9 月。保留所有权利。本出版物中表达的观点和做法是“登记项目：支持履行与登记射入外层空间物体有关的条约义务”下进行的利益相关方研究的受访者的观点和做法，并不一定反映联合国的观点或政策。联合国不对内容的准确性或完整性承担任何责任，也不对因使用或依赖本出版物内容而直接或间接造成的任何损失或损害负责。本出版物中使用的名称和材料的呈现方式并不意味着联合国秘书处对任何国家、领土、城市或地区或其当局的法律地位，或对其边界或边界的划分发表任何意见。本出版物中包含的统一资源定位器信息和互联网网站链接是为了方便读者而提供的，在发布时是正确的。联合国对该信息的持续准确性或任何外部网站的内容不承担任何责任。本出版物未经正式编辑。出版作品：英文，联合国外层空间事务处。
基于平面检测的增强现实物体识别
摘要 - 机器学习和深度学习；人工智能的子领域已在可以检测和标记物体和图形（例如椅子、人甚至某些动物）的应用程序中实现。我们开发了一个利用增强现实的应用程序，这是平面检测的一个更适度的目标。此应用程序的目的是用标签标记检测到的物体，并将信息传递给视障人士。实现我们目标的重要第一步是专注于平面检测。这项技术可以帮助公共场所的个人安全到达目的地，从而使他们受益。该应用程序将通过识别和导航平面和物理对象来指导有需要的个人防止与墙壁和物体相撞。 关键词：增强现实、人工智能、深度学习、机器学习、物体识别 1. 简介
使用万向架进行物体跟踪控制...
本研究描述了一种控制解决方案，用于在物体检测环境中为 RPAS 获取的图像中进行实时物体跟踪。通过控制 3 轴万向节机构来控制嵌入到 RPAS 中的相机方向，并使用其处理后的图像进行反馈。控制的目的是将感兴趣的目标保持在图像平面的中心。所提出的解决方案使用 YOLOv3 物体检测模型来检测目标物体，并通过旋转矩阵确定新的所需角度，以将物体的位置收敛到图像的中心。为了比较所提出的控制结果，使用线性 PI 算法调整了线性控制。模拟和实践实验在提出的两种控制方法中都成功地使用 YOLOv3 实时跟踪了所需物体。
机载激光雷达数据中的物体检测...
在化石燃料市场价格上涨的时代，为了满足气候变化日益严重的环境和经济问题，可再生能源必须在全球能源供应中发挥重要作用。本文重点介绍一种利用机载激光雷达数据全自动评估屋顶平面太阳能潜力的新方法，并使用完整的 3D 信息进行屋顶平面检测和太阳能潜力分析。基于图像的候选区域检测算法减少了点云的数据量，并识别出包含建筑物的潜在区域，完整性较高（97%）。从建筑物候选区域中提取三维屋顶平面，并计算其方位和坡度。在 3D 点云内计算每个屋顶平面的地平线，从而以适当的方式尊重附近物体（如植被、屋顶、烟囱、天窗等）的阴影效果。与墙壁或建筑物等其他物体相比，植被具有透明特性。因此，下一步是在剩余的非屋顶点内检测植被，并通过计算每个树段平均的局部透明度测量值来引入透明阴影值。对规则分布的屋顶点进行以下太阳能潜力分析，结果包括：(i) 每个屋顶平面的直接辐射和散射辐射的年总和，以及 (ii) 有关一个屋顶内辐射分布的详细信息。通过计算晴空指数，使用来自附近气象地面站的数据考虑云量效应。
光学遥感图像中的物体检测调查
变化检测 (Bontemps et al., 2008; Chen and Hay, 2012; Contreras et al., 2016; Dissanska et al., 2009; Doxani et al., 2012; Doxani et al., 2008; Hussain et al. .，2013；Im 等，2008；等，2014；沃尔特，2004）；土地覆盖和土地利用制图，包括植被、树木、水、住宅等。(Baker et al., 2013; Benz et al., 2004; Blaschke, 2003; Blaschke et al., 2011; Blaschke et al., 2008; Contreras et al., 2015; D'Oleire-Oltmanns et al. .，2014；德皮尼奥等人，2012； Doleire-Oltmanns 等人，2013 年；Drăguţ 和 Eisank 等人，2011 年； 2011；Lisita 等，2011； 2011；Tzotsos 等，2011；Walker 和 Briggs，2007；Zhou 等，2009；周和特洛伊，2008）；滑坡测绘（Feizizadeh 等，2014；Li 等，2015b；Martha 等，2010；Martha 等，2011；Martha 等，2012；Stumpf 和 Kerle，2011）。
聚合物体表面的控制节点生长
非常需要设计纳米颗粒表面形状的局部变化。这是因为这些修饰阳离子可以改善生物相容性和细胞摄取。23在这里，我们描述了一种在含核碱酶的多聚膜膜外表面形成局部变形的方法。我们表明，在插入包含互补核酶的二嵌段共聚物时，类似触手的节点可以在聚合物的表面形成（图1b）。与蓄水池一样，膜变形和随之而来的淋巴结形成依赖于不同的膜成分之间的互补氢键。将核碱酶配对的可编程性纳入自组装合成聚合物24 - 28先前已被利用以控制纳米颗粒形态，29 - 35瓶刷组件36和颗粒表面化学，37，以及37层的聚合，38,39货物货物40 - 42-42-42-42-42-42-42和增强的水。43
数字双胞胎 - 人和物体的虚拟模型
有什么问题？云计算服务，软件和其他实施数字双胞胎的产品具有潜在的法律，道德和技术问题。根据专家的说法，对数据所有权和隐私的道德问题可能会导致公众信任较低。例如，如果一家制药公司未经同意出售了与数字双胞胎的健康相关数据，则可能会发生这种情况。当数字双胞胎用于决策时，数据质量或准确性等技术问题也可能会降低公众信心。例如，如果用于训练机器学习的数据不能准确反映患者人群的特征，则数字双胞胎的预测分析可能具有误导性甚至歧视性。