XiaoMi-AI文件搜索系统
World File Search System用级
使用级联分类器技术的Facemask检测
传染病的扩散强调了预防措施的重要性，面罩的使用是减轻空中传播的关键策略。在这种情况下，计算机视觉技术的集成提供了一种技术解决方案，用于监视面罩依从性。本摘要提出了一项研究，该研究重点是实施级联分类器技术，以进行自动面罩检测。这项研究的主要目的是评估级联分类器技术在识别戴着戴面膜或不戴上面罩的个体方面的功效。通过利用机器学习算法和对象检测原则，该研究旨在开发一个可靠，高效的系统，用于实时面罩检测。该研究采用了一个数据集，其中包括各种环境中有或没有面罩的各种环境中的不同图像。利用OPENCV库，对级联分类器技术进行了训练，以识别与口罩相关的独特模式。级联框架执行快速和连续过滤的能力被利用以准确检测面孔并评估面具的存在。该研究的结果证明了喀斯喀特分类器技术的成功实施，以实现面罩检测。训练有素的分类器在区分戴面膜和戴面具的个体时表现出值得称赞的精度，精确性和回忆。该系统展示了其在实时场景中运行的能力，从而有助于对公共空间的有效监视。
军用级数据安全
rubrik 支持许多主要的政府基础设施产品，包括 Microsoft azure Govcloud、aWS Govcloud 和商业云服务 (c2S)。rubrik 是 aWS 合作伙伴网络 (aPN) 中的高级技术合作伙伴和 Microsoft 合作伙伴网络 (MPN) 中的全球 iSV 联合销售商，在 aWS 和 Microsoft azure 上提供混合云数据管理服务。除了通过 rubrik cdM 软件或硬件加密选项保护静态数据外，数据还会在传输过程中加密以进行复制或云存档操作。rubrik cdM 利用公共云提供商支持的客户端加密库，所有存档数据都经过信封加密。借助 rubrik，政府机构可以简化其数据保护策略，同时遵守针对其云环境的严格监管和合规控制。
TISS-net：使用级联双任务网络和误差预测一致性进行脑肿瘤图像合成和分割
从医学图像中准确分割脑肿瘤对于诊断和治疗计划非常重要，而且通常需要多模态或对比度增强图像。然而在实践中，患者的某些模态可能缺失。合成缺失的模态有可能填补这一空白并实现高分割性能。现有方法通常分别处理合成和分割任务，或者将它们联合考虑，但没有对复杂的联合模型进行有效的正则化，导致性能有限。我们提出了一种新颖的脑肿瘤图像合成与分割网络 (TISS-Net)，该网络可以高性能地端到端获得合成的目标模态和脑肿瘤分割。首先，我们提出了一个双任务正则化生成器，可以同时获得合成的目标模态和粗分割，它利用肿瘤感知合成损失和可感知正则化来最小化合成和真实目标模态之间的高级语义域差距。基于合成图像和粗分割，我们进一步提出了一个双任务分割器，它可以同时预测细化分割和粗分割中的误差，其中引入这两个预测之间的一致性以进行正则化。我们的 TISS-Net 通过两个应用进行了验证：合成 FLAIR 图像用于整个神经胶质瘤分割，合成增强 T1 图像用于前庭神经鞘瘤分割。实验结果表明，与现有模态的直接分割相比，我们的 TISS-Net 大大提高了分割精度，并且优于最先进的基于图像合成的分割方法。2023 作者。由 Elsevier BV 出版 这是一篇根据 CC BY-NC-ND 许可开放获取的文章（http://creativecommons.org/licenses/by-nc-nd/4.0/）。
运营基金赠款：总计计划费用级别PHA拥有的租赁住房日期/时间表格ID
OMB批准号 2577-0029（EXP.01/31/2024）该信息收集的公开报告负担估计为每次响应的平均0.75小时，包括审查说明的时间，搜索现有数据源，收集和维护所需的数据，并完成和填写和审查信息的收集。 本机构不得收集此信息，除非显示当前有效的OMB控制号码，否则您无需填写此表格。 根据修订的1937年《美国住房法》第9（a）条要求，该信息是要求的，以及第24 CFR第990部分HUD法规。 HUD为PHAS/Projects的低收入住房项目的运营和维护付款。 运营基金确定要支付给PHAS/Projects的运营基金赠款金额。 PHAS/项目提供有关项目费用水平（PEL），公用事业费用水平（UEL），其他公式费用（附加组件）和公式收入（主要运营基金组件）的信息。 HUD审查信息以确定每个PHA/项目的公式金额，并根据国会拨款，将资金义务授予每个PHA/项目的资金。 HUD还使用该信息作为要求国会年度拨款的基础。 需要对信息收集的响应才能获得福利。 所请求的信息不适合机密性。OMB批准号2577-0029（EXP.01/31/2024）该信息收集的公开报告负担估计为每次响应的平均0.75小时，包括审查说明的时间，搜索现有数据源，收集和维护所需的数据，并完成和填写和审查信息的收集。本机构不得收集此信息，除非显示当前有效的OMB控制号码，否则您无需填写此表格。根据修订的1937年《美国住房法》第9（a）条要求，该信息是要求的，以及第24 CFR第990部分HUD法规。HUD为PHAS/Projects的低收入住房项目的运营和维护付款。运营基金确定要支付给PHAS/Projects的运营基金赠款金额。PHAS/项目提供有关项目费用水平（PEL），公用事业费用水平（UEL），其他公式费用（附加组件）和公式收入（主要运营基金组件）的信息。HUD审查信息以确定每个PHA/项目的公式金额，并根据国会拨款，将资金义务授予每个PHA/项目的资金。HUD还使用该信息作为要求国会年度拨款的基础。需要对信息收集的响应才能获得福利。所请求的信息不适合机密性。
开发军用级软件
Ada 在旗舰军事计划中的成功直接归功于 Ada 在其整个发展过程和连续标准（1983、1995、2005、2012 以及即将推出的 2022）中始终注重可靠性和可维护性，这是其他编程语言所无法比拟的。这一重点与当今军事系统软件的开发至关重要。随着所有功能数字化的提高，软件的复杂性和重要性也随之增加，这可能导致灾难性的故障（例如，1997 年，宙斯盾导弹巡洋舰 USS Yorktown 在其远程数据库管理器软件 3 中出现一个除以零的错误后失去了对其推进系统的控制）。网络战的加剧和武器系统对软件的依赖日益增加，加剧了这些担忧。前者增加了关键软件漏洞被敌人发现和利用的可能性：2007 年的 Orchard 4 行动展示了如何通过网络手段压制敌人的防空系统，这可能是未来众多行动中的第一个。随着下一代空中优势 5 或英国暴风雨 6 等系统的开发和部署，后者可能会增加一个数量级。
使用级联集成学习从多光谱 MRI 数据中分割脑肿瘤*
摘要 — 集成学习方法经常用于医疗决策支持。在图像分割问题中，基于集成的决策需要后处理，因为集成不能充分处理相邻体素的强相关性。本文提出了一种基于集成级联的脑肿瘤分割程序。第一个由二叉决策树组成的集成经过训练，基于 4 个观察特征和 100 个计算特征将局灶性病变与正常组织分离。从第一个集成提供的中间标签开始，为每个体素计算六个局部特征，作为第二个集成的输入。第二个集成是一个经典的随机森林，它加强了相邻像素之间的相关性，使病变的形状规则化。分割准确率为 85.5% 的整体 Dice Score，比之前的解决方案高出 0.5%。索引词 — 图像分割、脑肿瘤分割、磁共振成像、集成学习。
MS14 普通外壳 - 军用级 1x4 GPS 分配器
MS14 设计用于在空气和喷气燃料的爆炸性混合物存在的情况下操作，不会在海拔高度 -1,800 英尺至 50,000 英尺的大气压下引起爆炸或火灾。MS14 不会产生超过 400 F 的表面温度或热量。当设备打开、关闭或操作时，MS14 不会产生足以点燃爆炸性混合物的能量水平的放电。MS14 符合 MIL-STD-810C、方法 511.1 和程序 II 的要求。符合 MIL-STD-202、方法 112D 或 MIL-STD-883、方法 1014.7（如适用）要求且氦气泄漏率不超过 1 x 10-7cc/s 的密封设备不受此要求限制。
MS14 普通外壳 - 军用级 1x4 GPS 分配器
MS14 设计用于在空气和喷气燃料的爆炸性混合物存在的情况下操作，不会在海拔高度 -1,800 英尺至 50,000 英尺的大气压下引起爆炸或火灾。MS14 不会产生超过 400 F 的表面温度或热量。当设备打开、关闭或操作时，MS14 不会产生足以点燃爆炸性混合物的能量水平的放电。MS14 符合 MIL-STD-810C、方法 511.1 和程序 II 的要求。符合 MIL-STD-202、方法 112D 或 MIL-STD-883、方法 1014.7（如适用）要求且氦气泄漏率不超过 1 x 10-7cc/s 的密封设备不受此要求限制。
MS14 普通外壳 - 军用级 1x4 GPS 分配器
MS14 设计用于在空气和喷气燃料的爆炸性混合物存在的情况下操作，不会在海拔高度 -1,800 英尺至 50,000 英尺的大气压下引起爆炸或火灾。MS14 不会产生超过 400 F 的表面温度或热量。当设备打开、关闭或操作时，MS14 不会产生足以点燃爆炸性混合物的能量水平的放电。MS14 符合 MIL-STD-810C、方法 511.1 和程序 II 的要求。符合 MIL-STD-202、方法 112D 或 MIL-STD-883、方法 1014.7（如适用）要求且氦气泄漏率不超过 1 x 10-7cc/s 的密封设备不受此要求限制。