我们的工作针对自动分析，以量化细菌细菌群体的生长动力学。我们提出了一种创新的方法，通过自动化新的，特定的成本功能的自动化最小化对可变形细胞运动的框架跟踪。这种最小化由专用的玻尔兹曼机器（随机复发神经网络）实现。通过连续的两个成本函数的最小化，对细胞分裂的自动检测进行了类似的处理，从而交替地识别儿童对和父母的识别。我们使用（i）记录模拟细胞菌落的记录来验证提出的自动细胞跟踪算法，这些算法与微流体陷阱和（ii）真实数据密切模仿大肠杆菌的生长动力学。在一批1100个模拟图像框架上，每帧的单元格登记精度范围从94.5％到100％，平均水平很高。我们使用大肠杆菌菌落的实验图像序列（即实际数据）进行的初始测试也产生令人信服的结果，注册精度范围从90％到100％。
translated by 谷歌翻译
视力障碍者的日常运动有重大问题。因此，我们以前的一些工作涉及计算机愿景来开发援助系统，以指导在关键情况下视力障碍。其中一些情况包括在室内和室外环境中的道路交叉路口和楼梯上的人行横道。本文为在此类关键情况下基于计算机视觉障碍的人提供了一个评估框架。提出的框架包括用于标记和存储指导方向的参考人类决策的接口，并将其与基于计算机视觉的决策进行比较。由于该研究领域中的严格评估方法并未明确定义，并且由于信息转移到视障人士的细节，因此提出了针对特定简化指导指令的评估标准。
translated by 谷歌翻译
由于意识的提高，人体工程学的风险评估现在比过去更频繁地进行。基于对工作场所的专家辅助观察和手动填写评分表的常规风险评估评估仍然是主要的。数据分析通常是在关注关键时刻的重点，尽管不支持上下文信息和随时间变化。在本文中，我们介绍了ErgoExplorer，这是一种用于风险评估数据的交互式视觉分析的系统。与当前的实践相反，我们专注于跨越多个动作和多个工人的数据，同时保留所有上下文信息。数据自动从视频流中提取。基于经过仔细研究的分析任务，我们介绍了新的观点及其相应的交互。这些观点还结合了特定领域的分数表，以确保域专家轻松采用。所有视图都集成到ErgoExplorer中，该视图依赖于协调的多个视图来通过互动来促进分析。 ErgoExplorer使得首次可以在长期播放多个操作的长时间内检查各个身体部位的风险评估之间的复杂关系。新介绍的方法支持几个详细层面的分析和探索，从一般概述到如有必要的话，请直到检查视频流中的单个帧。我们说明了将其应用于几个数据集的新提出的方法的有用性。
translated by 谷歌翻译