XiaoMi-AI文件搜索系统
World File Search System辅助系统
使用AI和图像处理的盲目辅助系统
摘要：每天，数以百万计的视力障碍挑战，面临着在家中的日常任务或没有帮助的困难。根据世界卫生组织（WHO）的说法，超过2.5亿人患有视觉障碍，大约3500万人完全盲目。这种人群遇到了世界泛滥的危险，即使在街道上越过，由于他们无法感知障碍和交通，因此甚至越过街道。尽管对独立性有强烈的渴望，但许多视觉障碍的人都取决于其他人的常规任务。但是，技术的进步，尤其是计算机视觉方面，为更大的自主权提供了希望。虽然传统的辅助工具，例如白色的甘蔗，导犬和专业软件是无价的，但新兴的创新旨在通过将视觉信息转化为声音来彻底改变感知。这些事态发展具有增强的自主权和安全性的希望，从而增强了视力障碍，以增加信心来驾驶世界。关键字：失明，视觉残障，援助，独立性。
使用机器学习的高级驱动程序辅助系统
汽车场景的快速进步促使人们广泛地关注创建创新，从而增加驾驶住宿以及专注于安全性。高级驾驶员帮助框架（ADA）已成为实现这些目标的重要空间。adas，包裹着诸如起飞训练，逃避逃避和多才多艺的旅程控制之类的元素，在调节不幸和改善大街福利方面是必不可少的部分。最近，AI（ML）方法与ADAS的结合开了新的发展道路。基于规则的算法在传统的ADAS系统中很常见，该系统可能在复杂而动态的驾驶环境中挣扎。AI具有从信息中调整和获得设计的能力，可以实现前景的有希望的变化。本文研究了ADA和AI之间的合作能量，意思是计划和评估使用两个空间质量的高级框架。必不可少的目标是通过减少AI计算的力来升级ADA功能的精度，强度和响应能力。通过使用不同且广泛的数据集，合并出血边缘预处理方法并利用不同的ML模型，我们尝试解决常规ADAS框架的限制，并为更精明和多功能的驾驶体验做准备。本文从最终的细分市场中展开，首先是对当前关于ADA和AI的自动应用程序的撰写的调查。之后，策略领域微妙的数据集，预处理步骤以及ML计算的选择和执行。结果和对话检查了提议的框架的呈现，揭示了对其生存能力和可能发展区域的见解。该论文通过总结关键的发现并提出了未来探索的道路来关闭，从而突出了将AI纳入ADA的非凡效果，以使其更加安全，更出色。
基于学习的深度巷道维护辅助系统...
摘要 - 本文提出了专门为自动驾驶汽车设计的高级车道保管援助系统。提出的模型将强大的Xeption网络与转移学习和微调技术相结合，以准确预测转向角度。通过分析摄像机捕获的图像，该模型有效地从人类驾驶知识中学习，并提供了对安全车道保持所需的转向角度的精确估计。转移学习技术允许模型利用从Imagenet数据集获得的广泛知识，而微型调整技术则用于根据输入图像来指导角度预测的特定任务来定制预训练的模型，从而实现最佳性能。微调是通过最初冷冻预训练的模型并仅训练前10个时期的完全连接（FC）层来开始的。随后，整个模型涵盖了主链和FC层，以进行进一步的训练。为了评估系统的有效性，对包括NVIDIA，MOBILENETV2，VGG19和InceptionV3在内的流行现有模型进行了全面的比较分析。评估包括基于损耗函数的操作准确性的评估，特别是利用了平方误差（MSE）方程。所提出的模型实现了训练和验证的最低损耗函数值，证明了其出色的预测性能。这种实际评估提供了对模式的可靠性及其有效协助行驶任务的潜力的宝贵见解。此外，通过对预设计的轨迹和地图进行广泛的现实世界测试进一步评估了该模型的性能，从而导致转向角度远离所需轨迹的最小偏差。关键字 - 行长辅助，自动驾驶汽车，X CEPTION，转移学习，微调，转向角度预测
辅助驾驶 - 高速公路和城市辅助系统
Euro NCAP无法监视和评估与VUT相关的所有销售国家 /地区的营销材料。但是，在评估期间，将花时间审查与车辆制造商评估和发布的系统有关的公开营销材料。这将包括但不限于电视和广播广告，车辆手册和在线信息，即车辆制造商网站（搜索以在网站中包括模型和功能，并使用“构建车辆”服务）。
人工智能辅助系统通过排除细胞学阴性的切片并加速切片解释来提高细胞学家的工作效率
由于细胞学家的短缺，资源匮乏地区的妇女无法平等地获得宫颈细胞学检查，而宫颈细胞学检查是宫颈癌筛查中的关键作用。新兴研究表明人工智能辅助系统在资源有限的情况下促进细胞学检查实施的潜力。然而，在评估人工智能对提高细胞学家工作效率的帮助方面还存在不足。本研究旨在评估人工智能排除细胞学阴性玻片的可行性，并提高玻片解释的效率。纳入了带有良好注释的玻片，以开发分类模型，该模型用于对验证组的玻片进行分类。近 70% 的验证玻片被人工智能系统报告为阴性，并且这些玻片均未被专家细胞学家诊断为高级别病变。在人工智能系统的帮助下，每张玻片的平均解释时间从 3 分钟减少到 30 秒。这些发现表明人工智能辅助系统在加速大规模宫颈癌筛查中的幻灯片解释方面具有潜力。
脑肿瘤的组织病理学辅助系统（Has-...
脑肿瘤的类型。，当数据集气球的大小覆盖更多实体时，我们提出了一个关键的科学问题，远远超出了人类观察者的范围。鉴于MIL在病理图像识别领域的巨大潜力，我们设计了一个PMIL框架，以将脑肿瘤的复杂多分类问题分解为细胞亚型和分级子问题。我们从华山医院的生物样品库中收集了1038张幻灯片，并使用WSI扫描仪数字化幻灯片。使用此数据集，我们成功地训练和开发了模型。在独立测试集中，模型的整体准确性达到0.938，总体灵敏度达到0.720，总体特异性
增强型空中交通管制系统——人工智能作为预测空中交通冲突的数字辅助系统
摘要：当今的空中交通管理 (ATM) 系统围绕空中交通管制员和飞行员发展。这种以人为本的设计在过去使空中交通非常安全。然而，随着航班数量的增加和使用欧洲空域的飞机种类的增加，它正在达到极限。它带来了严重的问题，例如拥堵、飞行安全性下降、成本增加、延误增加和排放量增加。将 ATM 转变为“下一代”需要复杂的人机集成系统，以提供更好的空域抽象并创建态势感知，正如文献中针对此问题所述。本文做出了以下贡献：(a) 概述了问题的复杂性。(b) 它引入了一种数字辅助系统，通过系统地分析飞机监视数据来检测空中交通中的冲突，从而为空中交通管制员提供更好的态势感知。为此，使用长短期记忆 (LSTM) 网络（一种流行的循环神经网络 (RNN) 版本）来确定其时间动态行为是否能够可靠地监控空中交通并对错误模式进行分类。 (c) 大规模、真实的空中交通模型（包含数千个包含空中交通冲突的航班）用于创建参数化的空域抽象，以训练 LSTM 网络的几种变体。所应用的网络基于 20-10-1 架构，同时使用泄漏 ReLU 和 S 形函数
使用人工智能辅助系统将运动学习原理带入现实世界的运动任务
摘要：人类自然地学习动作，但要达到运动技能的专家表现需要大量的时间和训练。在这篇评论中，我们展示了现代技术如何支持人们学习新的运动技能。首先，我们介绍了运动控制、运动学习和运动技能学习中的重要概念。我们还概述了用于人体运动分析的机器学习算法和传感器技术的快速扩展。运动学习原理、机器学习算法和最新传感器技术的结合有可能开发用于运动技能训练的人工智能引导辅助系统。我们对这种不同领域的整合给出了我们的观点，以便从实验室环境中的运动学习研究过渡到现实世界环境和现实世界的运动任务，并提出了一种分步方法来促进这种转变。
研究论文：使用 SLAM 实现半自主移动机器人辅助系统远程操作的脑机接口
所提出的辅助混合脑机接口 (BCI) 半自主移动机械臂展示了一种设计，该设计 (1) 通过使用传感器观察环境变化并部署替代解决方案而具有适应性，(2) 通过非侵入式脑电图帽接收来自用户脑波信号的命令而具有多功能性。所提出的机器人由三个集成子系统、混合 BCI 控制器、全向移动基座和机械臂组成，其命令映射到与一组特定身体或心理任务相关的用户脑波上。传感器和摄像头系统的实施使移动基座和手臂都具有半自主性。移动基座的 SLAM 算法具有避障能力和路径规划能力，可帮助机器人安全操纵。机械臂计算并部署必要的关节运动，以拾取或放下用户通过摄像头馈送上的脑波控制光标选择的所需物体。使用 Gazebo 对子系统进行了验证、测试和实施。BCI 控制器和子系统之间的通信是独立测试的。使用与每个特定任务相关的预录脑电波数据循环来确保执行移动基座命令；使用相同的预录文件来移动机器人手臂光标并启动拾取或放下动作。进行最终系统测试，其中 BCI 控制器输入移动光标并选择目标点。辅助机器人手臂的成功虚拟演示表明恢复残疾用户的运动能力和自主能力是可行的。