XiaoMi-AI文件搜索系统
World File Search System识别器
使用机器学习的高级自动板识别器
摘要：本文提出了一种高度准确的自动板识别（ANPR）算法，旨在正确识别超过99.5％精度的印度车牌。该系统结合使用OpenCV，Python和机器学习模型来达到这一高度的精度。算法捕获和处理图像以识别和识别车牌，包括板上的颜色。使用HAAR级联反应进行初始板识别，然后将其转移到Yolo V3，从而提高了精度和速度。该系统结合了复杂的图像预处理技术 - 包括灰度调整，阈值，侵蚀，细节和轮廓检测 - 以确保对图像进行优化，以用于角色分离和识别。这种综合方法不仅提高了识别率，而且更有效地处理图像，尤其是在传统系统可能失败的情况下。结果，它为在动态环境中的强大ANPR实现铺平了道路。
MELDER：移动设备实时静音语音识别器的设计和评估
无声语音不受环境噪音的影响，可提高可访问性，并增强隐私和安全性。然而，目前的无声语音识别器以短语输入/短语输出的方式运行，因此速度慢、容易出错，并且不适用于移动设备。我们介绍了 MELDER，这是一种移动唇读器，它通过将输入视频分割成更小的时间段并单独处理它们来实时运行。实验表明，这大大缩短了计算时间，使其适用于移动设备。我们通过使用迁移学习模型利用高资源词汇表中的知识，进一步优化模型以供日常使用。然后，我们将 MELDER 在固定和移动环境中与两个最先进的无声语音识别器进行比较，其中 MELDER 表现出卓越的整体性能。最后，我们将 MELDER 的两种视觉反馈方法与 Google Assistant 的视觉反馈方法进行了比较。结果揭示了这些提出的反馈方法如何影响用户对模型性能的看法。
