在许多自组织系统中，从外部环境中提取必要资源的能力对于系统的增长和生存至关重要。例如，有机植物中的阳光和营养物质，商业组织中的货币收入以及群体情报行动中的移动机器人的提取。当在竞争性，不断变化的环境中运行时，此类系统必须明智地分配其内部资产，以改善和调整其提取可用资源的能力。随着系统规模的增加，资产分配过程通常会围绕多规模控制拓扑组织进行组织。根据系统的内部约束和适应性机制，该拓扑可以是静态（固定）或动态（启用生长和结构适应）。在本文中，我们扩展了一种受植物启发的资产分布模型，并引入了一个更通用的多尺度模型，可在更广泛的天然和人工系统域中。我们研究了多尺度控制过程的拓扑对系统在环境内部发生变化时自加工资产分布的能力的影响。结果表明，当环境变化发生时，系统分支之间的不同拓扑特征和不同的竞争水平会影响整体系统的盈利能力，适应性延迟和干扰。这些发现为系统设计人员提供了为其特定应用程序和执行环境选择最合适的拓扑和配置的基础。
translated by 谷歌翻译
现代生活是由连接到互联网的电子设备驱动的。新兴研究领域的新兴研究领域（IoT）已变得流行，就像连接设备数量稳定增加一样 - 现在超过500亿。由于这些设备中的许多用于执行\ gls*{cv}任务，因此必须了解其针对性能的功耗。我们在执行对象分类时报告了NVIDIA JETSON NANO板的功耗概况和分析。作者对使用Yolov5模型进行了有关每帧功耗和每秒（FPS）帧输出的广泛分析。结果表明，Yolov5N在吞吐量（即12.34 fps）和低功耗（即0.154 MWH/Frafe）方面优于其他Yolov5变体。
translated by 谷歌翻译
由于通用的非语言自然交流方法可以在人类之间进行有效的沟通，因此在过去的几十年中，手势识别技术一直在稳步发展。基于手势识别的研究文章中已经提出了许多不同的策略，以尝试创建一个有效的系统，以使用物理传感器和计算机视觉将非语言自然通信信息发送给计算机。另一方面，超准确的实时系统直到最近才开始占据研究领域，每种系统都由于过去的限制（例如可用性，成本，速度和准确性）而采用了一系列方法。提出了一种基于计算机视觉的人类计算机交互工具，用于充当自然用户界面的手势识别应用程序。用户手上的虚拟手套标记将被创建并用作深度学习模型的输入，以实时识别手势。获得的结果表明，拟议的系统将在实时应用中有效，包括通过远程依恋和康复进行社交互动。
translated by 谷歌翻译
在农业部门中使用人工智能以快速增长，以使农业活动自动化。新兴的农业技术专注于植物，水果，疾病和土壤类型的映射和分类。尽管使用深度学习算法的辅助收获和修剪应用处于早期开发阶段，但仍需要解决此类过程的解决方案。本文建议使用深度学习将草莓植物的桁架和跑步者分类，并使用语义分割和数据集扩展分类。所提出的方法是基于使用噪声（即高斯，斑点，泊松和盐和辣椒）来人为地增强数据集并补偿数据样本数量少并增加整体分类性能。使用平均精度，召回和F1得分的平均值评估结果。提出的方法在精确度，召回和F1分别获得91 \％，95 \％和92 \％，用于使用resnet101进行桁架检测，并利用盐和辣椒噪声进行数据集增强；和83 \％，53 \％和65 \％的精度，召回和F1分别用于使用Poisson噪声的RESNET50进行桁架检测，用于桁架检测。
translated by 谷歌翻译
草图是视觉感知和粘合性建设的抽象表示。在这项工作中，我们提出了一个新的框架GaN-CNMP，它在CNMP上含有新的对抗性损失，以提高草图平滑度和一致性。通过实验，我们表明我们的模型可以训练，其中少量未标记的样本，可以在潜伏空间中自动构建分布，并在形状一致性和平滑方面产生比基础模型更好的结果。
translated by 谷歌翻译