XiaoMi-AI文件搜索系统
World File Search System识别率
根据 7 年前获得的神经解剖学测量结果识别个体
在之前的研究中，我们小组表明，可以根据从常规结构磁共振成像 (MRI) 扫描中获得的神经解剖特征以及随后使用流行的 FreeSurfer 工具进行的分析来识别个体受试者 (Valizadeh 等人，2018)。即使仅使用少数神经解剖特征（包括总脑容量、小脑灰质和白质、基底神经节体积和脑干体积在内的 11 个脑部测量值），识别率也非常好。当使用大量大脑区域时，受试者识别率几乎完美。使用易于获得的神经解剖学测量值的受试者识别精度与其他人使用更复杂的神经解剖学测量值报告的识别结果相似 (Wachinger 等人，2015 年、2017 年)。这些结果被视为人类大脑在很大程度上具有高度个体化的证据。近年来，基于神经科学方法和数据寻找个体标记变得非常流行。该领域的最新研究表明，可以根据来自结构 MRI（Wachinger et al., 2015 , 2017 ; Valizadeh et al., 2018）、功能 MRI（Miranda-Dominguez et al., 2014 ; Finn et al., 2015 ; Amico & Goñi, 2018 ; Bari et al., 2019）、脑电图 (EEG)（La Rocca et al., 2014 ; Fraschini et al., 2015 ; Kong et al., 2019 ; Valizadeh et al., 2019）或功能性近红外光谱 (fNIRS)（de Souza Rodrigues et al., 2019）的神经指纹来区分和识别个体。目前，也有人提出，这种神经指纹可能与个体智力和流体认知能力的差异有关，例如工作记忆和注意力（Greene 等人，2018 年；Rosenberg 等人，2020 年；Yamashita 等人，2018 年；Yoo 等人，2018 年）。个体指纹也有可能积累起来形成区分临床人群的群体指纹。这种脑指纹研究与大量公开的数据集同时出现。然而，大数据神经科学方法往往忽视了人类的个性、奇点和变异性。因此，要了解这种个体变异，有必要描述人类大脑的个体特征。在我们之前的研究中，我们使用了 193 名老年人的数据集，这些老年人在 3 年内每年都会获得 MRI 数据（Valizadeh 等人，2018 年）。每位受试者获得的三次扫描中，有两次是随机的
IH-ViT：基于视觉变压器的集成电路问世
摘要：针对传统检测方法在IC外观缺陷检测中存在的识别率不高、识别速度慢的问题，提出一种IC外观缺陷检测算法IH-ViT。提出的模型利用CNN和ViT各自的优势，从局部和全局两个角度获取图像特征，最终将两种特征融合进行决策判断缺陷类别，从而获得更高的IC缺陷识别准确率。针对IC外观缺陷主要体现在细节上的差异，传统算法难以识别的问题，对传统ViT进行了改进，在batch内部进行了额外的卷积操作。针对数据集来源多样导致的样本信息不平衡问题，采用双通道图像分割技术，进一步提高IC外观缺陷的识别准确率。最后经过测试，提出的混合IH-ViT模型取得了72.51%的准确率，比单独的ResNet50和ViT模型分别提高了2.8%和6.06%。所提算法可以快速准确地检测出IC外观缺陷状况，有效提高IC封测企业的生产效率。
自动室内建筑物重建...
从点云进行室内重建是摄影测量、计算机视觉和计算机图形学领域的热门话题。由于房间平面图复杂以及视线遮挡，从点云重建室内场景具有挑战性。现有的大多数方法都是处理静止地面激光扫描点云或 RGB-D 点云。在本文中，我们提出了一种从移动激光扫描点云自动重建室内 3D 建筑模型的方法。该方法包括 2D 平面图生成、3D 建筑建模、门检测和房间分割。我们方法的主要思想是根据对点分布的观察将墙体结构分为内墙和外墙两种不同类型。然后我们利用基于图切割的优化方法来解决标记问题，并根据优化结果生成 2D 平面图。随后，我们利用基于 α 形的方法在 2D 投影点云上检测门，并利用平面图分割单个房间。实验表明，该门检测方法可以达到 97% 的识别率，房间分割方法可以达到正确的分割结果。我们还在合成数据上评估了重建精度，这表明我们的方法的精度与最先进的方法相当。
使用 NVIDIA Jetson 上的深度学习进行面罩检测
2019 年 12 月，冠状病毒大流行开始。冠状病毒疾病-19 (COVID-19) 通过直接接触直接从受污染的表面传播。为了对抗病毒，需要大量设备。口罩是人多拥挤场所个人防护的重要组成部分。因此，确定一个人是否戴着口罩对于融入当代社会至关重要。为了实现这一目标，本文提出的模型使用了深度学习库和 OpenCV。出于安全考虑，选择了这种方法，因为它在部署期间具有很高的资源效率。分类器是使用 MobileNetV2 结构构建的，该结构设计为轻量级，能够在 NVIDIA Jetson Nano 等嵌入式设备中使用以进行实时口罩识别。模型构建的阶段包括收集、预处理、拆分数据、创建模型、训练模型和应用模型。该系统利用图像处理技术和深度学习来处理实时视频源。当有人没有戴口罩时，输出最终会通过内置蜂鸣器发出警报声。实验结果和测试用于验证系统的性能。包括训练和测试，识别率达到99%。
文章通过两步任务相关成分分析增强基于 SSVEP 的脑机接口
摘要：在基于稳态视觉诱发电位 (SSVEP) 的脑机接口 (BCI) 研究的频率识别各种方法中，任务相关成分分析 (TRCA) 引起了广泛关注，它提取用于对脑电图 (EEG) 信号进行分类的判别空间滤波器。与现有的 SSVEP 方法相比，基于 TRCA 的 SSVEP 方法具有更低的计算成本和更高的分类性能。尽管基于 TRCA 的 SSVEP 方法很实用，但在使用短窗口 EEG 信号的情况下，它仍然会受到频率识别率下降的影响。为了解决这个问题，我们在此提出了一种改进的 SSVEP 解码策略，该策略通过执行两步 TRCA 不受窗口长度影响。所提出的方法重用了与 TRCA 生成的目标频率相对应的空间滤波器。随后，所提出的方法通过关联单个模板和测试数据来强调目标频率的特征。为了评估所提方法的性能，我们使用了包含 35 名受试者的基准数据集，并确认与其他现有 SSVEP 方法相比，其性能显著提高。这些结果表明，该方法适合作为基于 SSVEP 的 BCI 应用的有效频率识别策略。
学术日历学年2024-2025
大学的历史21大学的愿景22大学任务22教育组织政策22质量/教育组织目标22 JRU核心价值23 JRU机构成果23数据隐私23位置和设施23提供23提供的计划23提供25柔性/混合学习27录取要求27录取要求27识别程序27识别牌28识别率30撤销学生31折扣31折扣31折扣，折扣31折扣，折扣31折扣，折扣31折扣35参加36级考试允许36级制度36校正37年级校服37体育与田径运动37国民服务培训计划37奖学金38学术奖学金38 La Pluma奖学金38入学奖学金39入学奖学金39学术奖学金A＆b 39特殊奖学金39 JRU ALUMEI ALUMEN INMUMT INLUME SHICASSSIOS 39总统奖学金39总统奖学金号451（PD 451）39
水果和蔬菜采摘机器人机器视觉的关键问题和对策
近年来，国内人口股息逐渐消失，劳动力短缺问题已成为一种瓶颈，限制了农业发展，尤其是劳动密集型行业的发展。选择机器人技术已从前瞻性研究变为实际需求。以计算机图像处理技术，工业机器人技术和人工智能技术代表的高和新技术逐渐渗透到农业领域，采摘机器人的研究和开发已经进入了一个快速发展的时期。目前，国内外的许多企业都在开发水果和蔬菜采摘机器人，例如日本松下，美国在美国收获Croo机器人，以色列的Ffrobotics等。农业采摘机器人的工作环境非常复杂，采摘机器人需要从混乱的背景中找到随机分布的水果和蔬菜，包括分支和叶子，天空和其他干扰[1]。解决此问题的关键是将机器视觉系统引入采摘机器人，以使拾取机器人具有很高的识别率和定位准确性，并在非结构化的环境中实现自动导航。从搜索，扫描，识别，定位到最终效应器控制和操作中实现，并最终实现农作物的自动收获。例如，智能农业采摘平台
医学院基于人工智能的宣传策略
大学生的健康状况与认知，特别是科学的健康理念，对社会和自身的全面发展尤为重要。调查显示，医学院本科生对健康知识的缺乏十分明显，就连医学本科生也普遍缺乏健康知识，更别说非医学本科生了。因此，对医学院本科生进行健康讲座或选修课的宣传是一个不错的方式，可以加强大学生对健康的认知，强化健康理念。此外，还可以分析大学生在健康讲座或选修课上的情绪和心理状态，判断大学生是否有隐性疾病以及对健康内容的理解程度。本研究首先提出了一种基于数据挖掘技术的医学院本科生心理状态识别方法。然后，利用基于视觉的表情和姿态来拓展情绪识别的通道，提出了一种基于人工智能的某医学院健康课堂教学中的双通道情绪识别模型。最后，以TensorFlow为驱动，对某医学院本科生的心理状态识别和情绪识别进行仿真。仿真结果表明，某医学院本科生心理状态识别的识别准确率在92%以上，拒绝率和误识率很低，心理状态识别的误匹配率和误不匹配率明显优于其他三个基准。双通道情绪识别方法的情绪识别率在96%以上，有效地融合了面部表情和姿态所表达的情绪信息。
与姿势无关的自动目标检测和...
■尽管已经开发了许多对象识别技术来处理激光雷达（LADAR）扫描的地形场景，但这些技术在目标歧视方面的成功有限，部分原因是低分辨率数据和可用计算能力的限制。我们提出了一个独立于姿势的自动目标检测和识别系统，该系统使用来自空气寄生的三维成像LADAR传感器的数据。自动目标识别系统使用目标模型的几何形状和尺寸签名来检测和识别较重的顶篷和伪装盖下的目标。在五个测量的场景上展示了系统性能，在开放式和重型顶盖盖上均出现了目标，该目标的目标占据了范围的1％至10％。在十二个测得的数据场景中成功证明了系统的自动目标识别部分，在开放式和重冠层和伪装覆盖范围内，目标均已出现。还证明了在任意方向多个可移动零件的目标的正确目标识别。该系统达到了高识别率以及较低的假警报率。提出的工作的直接益处是在对军事地面车辆的自动目标识别领域中，其中感兴趣的车辆可能包括相对于身体的铰接式组件，并且可能具有许多可能的配置。其他应用领域包括人类对国土安全性的发现和认可，以及对大型或扩展地形场景的注册。t
非对称干细胞分裂的INS（IDE）和出口（IDE）
在最简单的观点中，细胞 - 超支或 - 内部命运决定因素与纺锤体取向相结合应足以解释不对称的干细胞分裂：也就是说，如果干细胞识别率的主调节器或分化的主调控因素在干细胞中占极性在干细胞中的两极分化，并且固定在某种程度上，跨度不仅可以通过一种依据来构成一个do依的依据。非对称干细胞分裂（图1）。反之亦然，如果建立细胞外环境，以使纺锤体取向将两个子细胞放置在不同的环境中，这决定了干细胞的身份或分化，则细胞不需要固有的命运决定因素。然而，最近的研究阐明了复杂机制的重要性，这些机制调节和增强了细胞不对称的细胞 - 超支和intrinsic不对称，以在干细胞分裂后达到双极结局。这种复杂的机制可以通过解决上述不对称分裂的“简单观点”固有的问题来实现不对称的划分。例如，方向的纺锤可以将细胞仅彼此放置一个细胞直径，因此将两个子细胞彼此隔开。组织如何确保将这两个子细胞放置在不同的信号环境中？在这篇综述中，我们总结了不对称细胞分裂的关键方面，特别关注这些和其他新兴机制，这些机制加强并确保了干细胞分裂的不对称结果。