XiaoMi-AI文件搜索系统
World File Search System连续图像
使用 CNN 特征跟踪连续视频帧中的关键点以用于太空应用
摘要：太空任务中的严格时间限制带来了许多自主任务的快速视频处理问题。视频处理涉及分离不同的图像帧、获取图像描述符、应用不同的机器学习算法进行物体检测、避障以及航天器自动操纵中涉及的许多其他任务。这些任务需要在时间限制内对图像进行最翔实的描述。在流量估计应用中，需要从连续图像帧中跟踪这些信息点。SIFT 和 SURF 等经典算法是特征描述开发的里程碑。但计算复杂性和高时间要求迫使关键任务避免在实时处理中采用这些技术。因此，本文选择时间保守且复杂度较低的预训练卷积神经网络 (CNN) 模型作为特征描述符。使用预训练的 VGG 模型参数设计和实现 7 层 CNN 模型，然后使用这些 CNN 特征匹配月球下降视频连续图像帧中的兴趣点。系统的性能是基于视觉和经验关键点匹配来评估的。然后使用 CNN 特征将视频中两个连续图像之间的匹配分数与 SIFT 和 SURF 等最先进的算法进行比较。结果表明，对于太空任务的关键点跟踪应用，在时间关键的视频处理任务中，CNN 特征更可靠、更稳健。关键词：人工智能；卷积神经网络；特征描述符；机器学习；太空任务 1 引言
Simplex 304 直升机腹部油箱
图 1 直升机 01 投掷绳索（威廉山火灾 1999）.......................................................................................................1 图 2 Simplex 型号 304 灭火机腹舱........................................................................................................................4 图 3 Conair 85 腹舱.........................................................................................................................................................5 图 4 泡沫在投掷区的扩散.........................................................................................................................................7 图 5 投掷模式术语的关键.............................................................................................................................8 图 6 从 Simplex 投掷系统投掷的阻燃剂的足迹.........................................................................................10 图 7 从 Conair 投掷系统投掷的阻燃剂的足迹.........................................................................................11 图 8 从 Simplex 腹舱中排出的阻燃剂显示出四个明确的流动.........................................................................................................................13 图 9 从 Simplex 腹舱中投掷管理的连续图像.....................................................................................................14 图 10 从 Conair 腹舱中投掷管理的连续图像........................................... 15 图 11 Conair（左）和 Simplex 投放系统的撤离过程比较，显示投放过程中的控制水平 ............................................................................. 16 图 12 Conair 投放系统的滴落控制b（Conair 滴落 3 号） ............................................................................. 17 图 13 Simplex 投放系统的滴落控制（Simplex 滴落 3 号） ............................................................................. 18 图 14 Simplex 投放系统的滴落流侧视图 ............................................................................................. 20 图 15 Conair 投放系统的滴落流侧视图 ............................................................................................. 20 图 16 Simplex 投放系统的滴落控制正视图 ............................................................................................. 22 图 17 Conair 投放系统的滴落控制正视图 ............................................................................................. 22 图 18 Simplex Model 304 Fire Attack 腹舱的假定撤离过程 ............................................................. 25 图 19 Conair腹部水箱................................................................. 25
地理空间图像和高级产品
oneatlas basemap是一个高度准确，精心策划的全球卫星图像参考层，可在现成。由空中客车专家策划的新鲜，高级质量图像确保一致，完整且几乎无云的覆盖范围，并在连续图像之间模仿雾度和季节性差异。Oneatlas BaseMap为任务/项目计划，更改检测，映射/路线更新和功能提取提供了灵活且具有成本效益的解决方案。它在基于位置的应用程序中也可以作为背景层运行良好。购买完整的全球层或仅感兴趣的领域，并通过流媒体，下载或API访问它。
侵入生物学中的法学方法：了解生态健康的机制和影响
摘要：要自动测量圆柱工件的表面表面，本文提出了高精度的多光束光学方法。首先，在不同的光方向下，多光束角传感器获得了圆柱工件表面的一些连续图像。然后，根据图像中的特征区域估算光方向以计算表面正常向量。最后，根据表面正常矢量和工件表面的垂直部分的关系，重建了深度图以实现曲率表面，可用于测量圆柱工件表面的曲率半径。实验结果表明，所提出的测量方法可以以10.226 s的合理速度以0.89％的曲率半径的平均误差来实现良好的测量精度，这比现有方法优于某些现有方法。
关于未来硬X射线探测器的考虑
X射线源在强度和时间域都继续前进，从而开放了分析物质结构和特性的新方法，前提是可以有效地记录所得的X射线图像。从这个角度来看，我们关注像素区域X射线检测器的特定局限性。尽管像素区域X射线检测器也在近年来进步，但许多实验仍然受到限制。特别是，需要以GHz速率获取连续图像的检测器；在同一图像中以数百kHz的帧速率在同一图像中可以准确测量单个光子和数百万光子的检测器；并有效地捕获了非常硬X射线的图像（20 keV至数百keV）。最新检测的数据量和数据速率超过了大多数实用的数据存储选项和读取带宽，因此需要在线处理数据或代替全帧全帧读数。
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。
美国运输部联邦航空... - ROSA P
16. 摘要 根据 VNTSC 和全美航空快运运营商 Henson Aviation, Inc. 之间的合作研究与开发协议，1991 年 8 月在北卡罗来纳州温斯顿塞勒姆的全美航空维修站对波音 737 飞机的机身进行了剪切散斑演示检查。检查比较了剪切散斑技术与目前强制方法在检测机身脱粘方面的有效性。现代飞机机身采用粘合剂粘合，通常与铆钉结合使用。随着飞机的老化，粘合失效可能成为一个主要问题，因为它可能导致疲劳开裂、湿气侵入和随后的腐蚀。任何这些事件都可能导致机舱压力损失，有时还会导致灾难性的机身故障。检测脱粘的剪切散斑方法取决于飞机蒙皮在不同压力下的变形。当被相干光照射时，从蒙皮的任意两点反射的光的相位关系和强度会因这种变形而发生变化。可以检测到最小到 0.00025 毫米的表面变化，并将其显示为视野的实时图像。随着压力的变化，对连续图像进行比较可以解释粘合情况。对于此演示，剪切干涉发现了 31 处脱粘；超声波确认了 25 处脱粘。
用于鼻整形手术图像模拟的人工智能工具
摘要 在鼻整形术咨询期间，外科医生通常会创建预期结果的计算机模拟。人工智能模型 (AIM) 可以学习外科医生的风格和标准并自动生成模拟。本研究的目的是确定 AIM 是否能够模仿外科医生的标准来生成美容鼻整形手术的模拟图像。这是一项在 2019 年 11 月的鼻整形术会议期间对耳鼻喉科住院医生和专科医生进行的横断面调查研究。随机显示由外科医生和 AIM 创建的鼻整形术模拟的连续图像。参与者使用七点李克特量表来评估他们对所展示的模拟图像的同意程度，其中 1 表示完全不同意，7 表示完全同意。122 名医生中有 97 名同意参加调查。参与者和外科医生之间的平均一致性水平为 6（四分位距或 IQR 5 – 7）；参与者和 AIM 之间的平均一致性水平为 5（IQR 4 – 6），p 值 < 0.0001。68.4% 的时间（95% 置信区间或 CI 64.9 – 71.7），评估人员完全或部分同意 AIM 的模拟结果。77.3% 的时间（95% CI 74.2 – 80.3），他们完全或部分同意外科医生的模拟结果。AIM 可以模拟外科医生的审美标准，生成计算机模拟的鼻整形图像。这可以让患者在面对面咨询之前对鼻整形术的可能结果有一个真实的近似值。该研究的证据级别为 4。