简介:摘要: 手势识别归属于人工智能领域中的模式与视觉识别,指在自然的人机交互状态下计算机识别人类手势的技术。本手势识别系统,使用了Meidapipe的holistic模型,得到10335条训练数据,模型训练效率和准确性都得到显著提高,模型的准确率提升到了99.81%。通过尝试4种训练模型:LogisticRegression、RidgeClassifier、GradientBoostingClassifier和RandomForestClassifier,选择精度最高的RandomForestClassifier,保证了识别准确率。将这一识别精度高的手势识别系统应用于多媒体教学中,增强多媒体教学的灵活性。
简介:摘要:本文将详细介绍ARM智能视频监控人脸识别系统的主要功能,通过专业的研究与调查,掌握该视频监控平台的设计方式,如开展适宜的算法设计、管理视频监控系统等,适时优化人脸识别与人脸检测的多种功能,保障良好的人脸识别效果。
简介:摘要:随着时间的推移,国内社会已经进入到一个快速发展的信息时代、智能时代,其重要表现就是不同的识别系统开始在各个领域内进行运用,人脸识别系统就是其中之一,并且取得了很好的作用和效果。目前人脸识别系统的研究已经成为了模式识别领域中的一个重点课题,在身份认证、智能监控、信息安全和金融安全等等领域都具有良好的发展前景。目前人脸识别系统的运用主要具有以下几个芳年,包含安全控制、司法运用等等,后续很有可能发展成为一个巨大的、对人类生活、工作产生深刻影响的产业,需要给予相应的重视。故此,在本文中主要针对基于模糊RBF神经网络的人脸识别系统进行系统的研究和分析,其主要目的在于促进基于模糊RBF神经网络的人脸识别系统的运用,使得这一系统具有很好的学习能力,提升人脸识别的准确率。
简介:摘要:当前各种平台飞机CNI系统功能多达数十种,频段覆盖宽,波形体制不同,带宽差异大,信号调制方式不一,从而导致CNI外场检测设备种类繁多,即使是模块综合化后的CNI外场检测设备,由于采用资源堆叠方式实现,综合化程度低,增加了转场保障的规模,不利于飞机机动部署和战时出动,而且也增加了寿命周期费用。基于航空电子系统的复杂性和能力增长快速的特性,新一代航空电子系统更加强调通过综合模块化航空电子、先进航空电子体系结构等系统架构实现开放性,在此基础上发展起来的CNI子系统加强模块的冗余备份和资源重构以提高传感器功能、执行任务的冗余度和可靠性,从而对外场保障设备的系统集成、能力提升和故障隔离提出更高的要求。基于上述需求和背景,本文提出了一种基于软件无线电架构的综合检测设备通用平台,具有高集成度和开放性特点,旨在解决传统保障设备功能设备化或功能模块化带来的体积大、不便于使用和检测功能升级等问题,同时为机载CNI系统设计提供参考。
简介:摘要目的尝试构建1个基于深度学习的内镜超声检查(endoscopic ultrasonography,EUS)质量控制系统,并验证其价值。方法从武汉大学人民医院消化内镜中心数据库中,回顾性收集2016年12月—2019年12月间的269个EUS检查资料,分为:(1)用于训练模型的训练数据集A,包含205个检查,其中16 305张图像用于分类训练,1 953张图像用于分割训练;(2)用于评估模型性能的测试数据集B,包含44个检查,其中1 606张图像用于分类验证,480张图像用于分割验证;(3)用于内镜医师与模型进行比较的数据集C,包含20个检查,共150张图像。EUS专家(具有10年以上的EUS操作经验)甲和乙通过讨论对训练集A和测试集B、C的所有图像进行分类和标注,其结果用作金标准。EUS专家丙和高年资EUS医师(具有5年以上的EUS操作经验)丁、戊对数据集C中的图像进行分类和标注,其结果用于与深度学习模型进行比较。主要观察指标包括分类的准确率、分割的Dice(F1指数)和一致性分析的Kappa系数。结果在测试数据集B中,模型分类的平均准确率为94.1%,胰腺分割的平均Dice为0.826,血管分割的平均Dice为0.841。在数据集C中,模型的分类准确率达到90.0%,专家丙、高年资医师丁和戊分别为89.3%、88.7%和87.3%;模型的胰腺和血管分割Dice系数分别为0.740和0.859,专家丙分别为0.708和0.778,高年资医师丁分别为0.747和0.875,高年资医师戊分别为0.774和0.789,模型与专家的水平相当。一致性分析结果显示,模型与内镜医师之间达成了较好的一致性(Kappa系数分别为:模型与专家丙间0.823、模型与高年资医师丁间0.840、模型与高年资医师戊间0.799)。结论基于深度学习的EUS分站和胰腺分割识别系统可以用于胰腺EUS的质量控制,具有与EUS专家相当的分类和分割识别水平。
简介:
简介:摘要目的通过深度学习的方法,开发具备判断儿童牙齿是否龋坏尤其是判断未成洞龋能力的人工智能识别系统雏形。方法收集北京大学口腔医学院·口腔医院儿童口腔科2013年10月至2020年6月拍摄的符合纳入标准的全身麻醉治疗前患儿单颌口内数码照片712张,以记录完备的治疗后病历诊断结合口内像确定牙齿是否龋坏以及龋的类型,具体包括:已成洞的龋(成洞龋)、未成洞的窝沟龋、边缘嵴釉质未破坏的邻面龋(未成洞邻面龋)。由儿童口腔科医师使用VoTT软件(Windows 2.1.0,Microsoft,美国)对不同牙齿及龋坏类型进行标注。分5个标签组:未成洞窝沟龋、未成洞邻面龋、完好无龋坏的牙齿邻面、成洞龋及无龋牙(含已完好充填的牙齿);每个标签组数据按6.4∶ 1.6∶ 2.0的比例采用随机数表的方法随机分为训练集、验证集和测试集数据。采用标注后的训练数据集进行深度学习训练,并建立龋齿人工智能识别系统,以龋坏概率大于50.0%作为患龋的判断标准输出判断结果,并对测试集数据进行识别。应用灵敏度、特异度等作为识别各类龋坏准确性的指标评价人工智能系统的判断能力。结果712张单颌口内照片经分割标注得到未成洞窝沟龋953张,未成洞邻面龋1 002张,成洞龋3 008张,无龋牙3 189张,无龋邻面862张,共计9 014张图像数据。测试集的识别结果:对成洞龋识别灵敏度和特异度分别为96.0%和97.0%;对未成洞窝沟龋灵敏度为95.8%,特异度99.0%;对未成洞邻面龋灵敏度为88.1%,特异度97.1%。结论本研究构建的儿童龋人工智能识别系统雏形,具备判断龋坏的能力,对同组样本该系统不仅能准确判断成洞龋,对未成洞的窝沟龋、边缘嵴釉质未破坏的邻面龋也能准确判断。
简介:摘要:目前市场上指纹识别签到使用范围越来越广,本文提出了一种实现物联网与互联网融合的指纹识别系统设计,设计主要分为三部分:底层指纹模块的硬件设计、无线通信组网模块的设计、上位机云平台的设计。该系统在实际使用中具有较强的灵活性,能兼容多种物联网通信协议,具有较强的应用价值。