XiaoMi-AI文件搜索系统
World File Search System雪中
雪中乐趣多多！ - 日报新闻
希尔斯伯勒当地居民 Frankie VanGiesen 是今年 Boro Bar 金票活动大奖的赢家，他于 1 月 9 日星期四在希尔斯伯勒银行领取了一张 1,000 美元的支票。该大奖由希尔斯伯勒银行赞助。VanGiesen 是希尔斯伯勒的 Don 和 Melissa VanGiesen 的儿子。一位朋友送给他们家几块 Boro Bars 巧克力，而新年前夜成了 Frankie 的幸运日。“我只是让他去打开那块糖果，”Melissa 说。“他看着我说他认为我们有一张金票。”这位希尔斯伯勒初中学生还不知道要用这笔钱做什么，不过 Sweet Spot 的老板 Dylan Richter 指出这笔钱可以买很多糖果。仍有 25 张金票可供赢取其他奖品，糖果棒仍在 The Sweet Spot 出售，并且 The Journal-News 办公室也有少量供应。
保持安全并在暴风雪中获悉
该声明暂停了市政当局达到其冬季维护目标所需的标准时间表，直到市政当局宣布重大天气事件已经结束。在每种情况下，在宣布重大天气事件的过程中，解决冬季维护的标准是监视天气并部署资源，以解决从市政当时开始的问题，以解决该问题。
由太阳辐射和养分驱动的积雪中微生物的diel垂直迁移
图2：2021年5月6日积雪的条件：（a）雪表面，（b）雪坑的横截面。Periodic sampling was conducted across the snow depth divided into five layers: layer I (5 × 5 × 3 cm in length × width × height), layer Ⅱ (5 × 5 × 5 cm), layer Ⅲ (5 × 5 × 5 cm), layer Ⅳ (5 × 5 × 5 cm), and layer Ⅴ (5 × 5 × 5 cm).
已鉴定出可去除微塑料的肽
微塑料，即直径小于 5 毫米的塑料颗粒，是一种无处不在的污染物，从人类母乳到南极雪中随处可见。Fengqi You 和同事使用一系列工具来识别能够捕获和容纳微塑料的肽，这些肽可用于去除各种环境中的微小颗粒。
人工智能在汽车上的应用
在人工智能的发展过程中出现了一种现象：人工智能的最初任务对人类来说很难，但对人工智能系统来说却很容易处理，比如复杂的计算过程；另一方面，计算机很难应付对人类来说很容易的任务，比如物体识别，人类可以很容易地区分椅子和桌子，虽然它们都有四条腿，但人工智能必须向它们介绍许多照片才能区分。尽管如此，这个系统还不能识别物体的实际含义，比如，如果我们想让它通过向牧羊犬和狼介绍许多照片来区分牧羊犬和狼，但如果我们把牧羊犬放在与狼相同的条件下，它就会误导它，就像介绍雪中的牧羊犬一样，因为大多数照片都是在雪地里拍摄的，反之亦然。
仪器和方法 飞机部署冰观测...
摘要。南极仍有大片科学研究兴趣区域尚未配备仪器。这些区域包括高度动态的冰流和冰川，由于严重的裂缝阻碍了陆路跋涉或飞机着陆，因此很难或不可能安全到达。我们已经开发出一种替代策略来为这些区域配备仪器：一种可以从飞越的飞机上投下的空气动力学传感器。在自由落体过程中，传感器加速到其终端速度 42 m s –1，然后撞击冰川。撞击时，它会部分埋入雪中，同时让天线桅杆高高地伸出地面，以确保较长的使用寿命。在本文中，我们描述了这种飞机可部署传感器的设计和测试结果。最后，我们展示了两项活动的初步结果，这些活动使用 GPS 接收器对西南极洲的派恩岛冰川和南极半岛的斯卡湾这两个难以进入的地区进行测量。
北欧车辆数据集 (NVD) - CVF 开放获取
摘要 无人机图像中的车辆检测和识别是一个复杂的问题，已用于不同的安全目的。这些图像的主要挑战是从斜角捕获的，并带来了一些挑战，例如非均匀照明效果、退化、模糊、遮挡、能见度丧失等。此外，天气条件在引起安全问题方面起着至关重要的作用，并为收集的数据增加了另一个高水平的挑战。在过去的几十年里，人们采用了各种技术来检测和跟踪不同天气条件下的车辆。然而，由于缺乏可用数据，在大雪中检测车辆仍处于早期阶段。此外，还没有使用无人机 (UAV) 拍摄的真实图像在雪天检测车辆的研究。本研究旨在通过向科学界提供北欧地区不同环境和各种积雪条件下无人机拍摄的车辆数据来解决这一空白。数据涵盖不同的恶劣天气条件，如阴天降雪、低光照和低对比度条件、积雪不均、高亮度、阳光、新雪，以及温度远低于-0摄氏度。该研究还评估了常用物体检测方法（如 YOLOv8s、YOLOv5s 和 Faster RCNN）的性能。此外，还探索了数据增强技术，以及那些增强检测器性能的技术