XiaoMi-AI文件搜索系统
World File Search System特征检测
深度学习和计算机的应用和效果评估
摘要。深度学习（DL）和计算机辅助设计（CAD）的组合为产品设计提供了新的可能性。如何有效地将DL技术集成到CAD系统中，以及如何确保生成的设计方案符合功能和美学要求都是研究人员需要解决的所有问题。在本文中，DL和CAD应用于产品设计和优化，构建了基于轻量级卷积神经网络（CNN）的产品图像特征检测模型，并通过实验评估和测试其实际应用效果。结果表明，本文提出的方法可以提高产品图像的质量，并应对角度变化带来的挑战。dl可以从大量数据中学习隐藏的设计规则和用户需求，从而帮助设计师创建更符合市场需求的产品。在产品设计中使用DL和CAD具有巨大的潜力和价值。
评论文章评论有关鉴定MRI
MRI之类的模式提供有关器官和突出疾病的信息。器官信息以强度可视化。te分割方法在识别目标区域（ROI）中起重要作用。te ROI。分割可以通过步骤执行；首先，从图像中提取区域。其次，执行特征提取，并选择了更好的功能。tey可以是形状，质地或强度。tirdly，聚集段肿瘤的形状，肿瘤的形状，并通过特征检测到形状。聚类由FCM，K-均值，FKM及其混合动力车组成。为了支持分割，我们进行了三项研究（区域提取，特征和聚类），这些研究在本审查论文的第一行中进行了讨论。所有这些研究都是将MRI作为一种方式。MRI可视化对于鉴定疾病的识别更为准确。由于低通图像，这种模式的信息被损害。在MRI图像中，肿瘤强度在肿瘤区域以及肿瘤边界都是可变的。
深层：使用深度学习和公共多光谱图像促进大规模自动化树库存
Deeptrees项目提供了用于培训，微调和部署深度学习模型的工具，以使用德国的数字矫正图计划（DOP）以20 cm的分辨率从德国的数字矫正图计划（DOP）中使用公共访问的图像进行诸如Tree Crown分割，树状特征检测和树种分类。这些DOP图像是根据“ Amtliches popographis-kartographissches Informationssystems”（AKTIS）指南进行标准化的，以确保其长期使用的可靠性和一致性[2]。利用深层python软件包，我们成功地绘制了萨克森州（137,293,260棵树）和萨克森 - 安哈尔特（81,449,641棵树）的218,742,901棵树，展示了该工具在森林，Urban和乡村环境中的可伸缩性（图1）。这些数据集为市政当局和机构提供了宝贵的见解，以管理街道树木，监测城市绿化和评估森林健康，从而实现更明智的决策和可持续的管理实践。
人工智能在现实世界中的应用
摘要：人工智能已迅速从实验阶段发展到实施阶段，涉及许多以图像为主导的临床学科，包括眼科。大数据集和计算能力的日益普及，加上深度学习的革命性进步，为主要侧重于图像识别和特征检测的自动诊断的性能和准确性的重大突破性改进创造了前所未有的机会。这种自动疾病分类将大大提高眼科护理系统的可及性、效率和成本效益，因为它较少依赖人工输入，有可能使诊断更便宜、更快捷、更一致。虽然这项技术迟早会对临床流程和实践模式产生深远的影响，但将这种技术转化为临床实践具有挑战性，需要与任何新药物或医疗器械类似的责任感和有效性，因为可能会出现偏见、伦理、医学和法律问题。本评论的目的是总结这种转变的机遇和挑战，并根据我们在这一领域的最佳理解和经验，促进人工智能（AI）融入常规临床实践。
使用SIFT功能
摘要 - 无人驾驶汽车（UAV）在各种应用中都是必不可少的，包括监视，城市场景分析和农业监测。准确的高度估计对于无人机操作至关重要，尤其是在GPS，压力高度计和雷达等传统传感器可能失败的环境中。本文探讨了红外和热成像的使用，用于对无人机的相对高度估计，从而强调了它们的显着优势，而不是传统的RGB图像。红外和热成像在弱光和不利天气条件下提供了卓越的表现，从而提供了更清晰的可见性和更可靠的特征检测。通过杠杆来使尺度不变特征变换（SIFT）特征，此方法利用热图像的固有优势来估计基于连续图像中匹配的键盘的尺寸变化的高度变化。对两个红外热无UAV数据集的实验结果证明了这种方法的有效性，与暹罗网络结合使用以增强功能匹配，显示出估计准确性的显着提高。索引项 - 临时，红外热图像，无人机，海拔估计，暹罗网络。
个人资料 ch.kavya 助理教授 ECE 系 ...
1. P. ANNAPURNA、CH. KAVYA、M. MUNISANKAR“实现用于能量收集无线传感器网络的 HARQ-IR”，ICIRCA2018，IEEE 论文，ISBN：978-5386-2456-2。2. CH.Kavya，(2019 年 11 月)“基于 NLM 和小波阈值的 ECG 中的 R 峰值和心律失常检测”，IJAEMA，UGC -CARE 批准的 A 组期刊，ISSN 编号：0886-9367。3 R.priyadarsini、CH kavya（2017 年 5 月）IRJET 中的固定轮廓 3-D IC 平面规划与 TSV 共同放置（e-ISSN：2395 -0056）。4. CH。 KAVYA, B. ANUSHA, T. LAKSHMIPRASANNA (2017 年 5 月 30 日) “DWT 域中的图像隐写术。” INIJIRCCE(ISSN: 2320-9798)。5. Ch.kavya,R.priyadarshini,B.madhavi(2017 年 5 月) “根据食物图像测量卡路里和营养。” IJARIIT。(ISSN:2454-132X)。6. Kavya.ch,Priyadarsini.R, Madhavi.B, (2017 年 3 月) “使用 GSM 的现代垃圾桶管理员。” ICIAEIT-2017(ISSN:2454-356X)。 7. R.priyadarsini、CH kavya（2017 年）使用 VLSI 的信号处理分段串行并行乘法器，载于 IJIR（ISSN：2454-1362）。 8. CH.Kavya、K.Neelima、A.Ramadevi（2017 年 3 月）“视频序列中的面部特征检测和跟踪”。载于国际计算机和通信工程创新研究杂志（IJERECE），（ISSN：2394-6849）。 9. B. Sandhya、V. Sri Lakshmi Priyanka、CH. Kavya“视频序列中的面部特征检测和跟踪”（2017 年 3 月），载于 IJERECE（ISSN：2320-9798）。 10. R. Priyadarsini、CH Kavya、A.Lasmika (2017 年 3 月) “基于传输线的数字 ASIC 的实验电力线模型。”在 ICIAEIT-2017 中，(ISSN:2454-356X)。 11. E. TEJASWI、CH. KAVYA (2016 年 11 月) “基于稀疏表示的贪婪搜索用于人脸草图合成。”在 IJSETR 中，(ISSN:2319-8885)。 12. Naga UdayiniNyapathi、BhargaviPendlimarri、KarishmaSk、Kavya Ch (2016 年 5 月) “使用 ARM 7 微控制器的智能药盒。”在 IRJET 中，(e-ISSN:2395-0056)。
数字病理学进展综合回顾
数字病理学已成为一个革命性的领域，它通过整合先进的成像技术、计算工具和人工智能 (AI) 改变了传统的诊断实践。采用数字载玻片取代传统玻璃载玻片可以实现高分辨率成像，方便远程会诊、第二意见和远程病理学。病理实验室的数字化提高了工作流程效率，并允许大规模数据存储、检索和分析，为开发强大的诊断算法铺平了道路。数字病理学最具变革性的方面之一是它与人工智能和机器学习 (ML) 的协同作用。这些技术使重复过程实现了自动化，包括患病特征检测、生物标志物量化和组织分割。这降低了观察者之间的差异性并提高了诊断准确性。人工智能驱动的算法在复杂病例中特别有用，可以帮助病理学家检测出可能通过人工检查遗漏的细微模式。
研究贡献摘要：专利：
SN 年份 详情 1. 2024 Imtiyaz Ahmad、Vibhav Prakash Singh、Manoj Madhava Gore，“使用基于离散小波的中心对称局部二值模式和统计特征检测糖尿病视网膜病变”，医学影像信息学杂志，第 1-28 页，2024 年 9 月，(SCIE-2.6)，https://doi.org/10.1007/s10278-024-01243-2 2. 2024 Sumit Kumar、A Goswami、Vibhav Prakash Singh、Ruchir Gupta，“一种用于边缘计算资源分配的博弈论方法更快收敛的技术”，IEEE 服务计算学报，2024 年 10 月，第 1-11 页，(SCI-5.5) https://doi.org/10.1109/TSC.2024.3470313 3. 2024 Ankur Prakash 和 Vibhav Prakash Singh，“使用纹理和形状特征进行基于内容的肺气肿 CT 图像检索”，SN Computer Science，Springer，第 5(7) 卷，第 950 页，2024 年 10 月，（Scopus Indexed），https://doi.org/10.1007/s42979-024-03313-2 3. 2024 Ashima Tyagi、Vibhav Prakash Singh、Manoj Madhava Gore，“使用 MFC 的选定统计矩从 EEG 信号中检测精神分裂症
用靶向温度管理治疗的缺氧脑损伤患者的脑自动调节
摘要在金属添加剂制造中，具有高纵横比（AR）特征的几何形状通常与由热应力和其他相关构建故障引起的缺陷有关。理想情况下，将在设计阶段检测和删除过高的AR功能，以避免制造过程中不必要的故障。但是，AR是规模和方向独立的，并且在所有尺度和方向上识别特征非常具有挑战性。此外，并非所有高AR特征都像薄壁和细小的针头一样容易识别。因此，在添加剂制造过程的有问题特征检测领域的进一步发展需要进一步发展。在这项工作中，提出了基于从三角形的网格几何形状提取的两个距离指标的无量纲比率（d 1/ d 2）。基于此方法，具有不同特征的几何形状（例如薄壁，螺旋和多面体），以产生与AR相似的指标。将预测结果与典型几何的已知理论AR值进行了比较。通过将此度量与网格分割结合在一起，进一步扩展了该方法以分析具有复杂特征的几何形状。所提出的方法提供了一种强大，一般且有前途的方法，可以自动检测高AR功能并在制造前解决相关的缺陷问题。
基于2 ...
摘要 - 对称检测是一种从脑磁共振（MR）图像中提取理想的中型平面（MSP）的方法，可以显着提高脑部疾病的诊断准确性。在本文中，我们提出了一种基于2通道卷积神经网络（CNN）的2D切片中脑MR图像的自动符号检测方法。不同于主要依赖本地图像特征（渐变，边缘等）的现有检测方法为了确定MSP，我们使用基于CNN的模型来实现大脑对称性检测，该检测不需要任何局部特征检测和功能匹配。通过训练以学习大脑图像中的各种基准测试，我们可以进一步使用2通道CNN来评估脑斑块对之间的相似性，这些相似性是根据泊松采样从整个大脑切片中随机提取的。最后，使用评分和排名方案来识别每个输入脑MR SLICE的最佳对称轴。在2166个人工合成脑图像和3064中收集的体内MR图像中评估了我们的方法，其中包括健康和病理病例。实验结果表明，我们的方法在对称性检测中实现了出色的性能。与最先进方法的比较还证明了与以前的竞争对手相比，我们在获得更高准确性方面的有效性和优势。