Kirjojen hintavertailu. Mukana 12 016 292 kirjaa ja 12 kauppaa.

Kirjahaku

Etsi kirjoja tekijän nimen, kirjan nimen tai ISBN:n perusteella.

1000 tulosta hakusanalla Devi Dharshini

Detection of Driver Drowsiness and Alert System

Detection of Driver Drowsiness and Alert System

Rama Devi Burri

Lap Lambert Academic Publishing
2023
pokkari
We hear a lot about accidents in our day-to-day life. In India, a person dies every 4 minutes due to road accidents, which is the highest in our world. Though there are several reasons for accidents to occur, one of the main reasons can be the drowsiness of the driver. Drowsiness and Weariness are amongst the significant causes of road accidents. This Book gives an insight into how we can detect the drowsiness of a driver. An alert will be sent to the driver as well as passengers on board if we detect that the driver is drowsy. This can reduce the probability of an accident occurring and increases transport safety.
Eine vergleichende Studie über hohe Gebäude mit Scherwandsystem und Doppel-S
Ziel der vorliegenden Studie war es, das seismische Verhalten von zwei Systemen mit nackten Rahmen zu vergleichen und die Wirkung von Scherw nden in Verbindung mit momentumstabilen Rahmen zu bewerten. Im ersten Modell sind Scherw nde und nackte Rahmen kombiniert, w hrend im zweiten Modell keine Scherw nde vorhanden sind. Die statische und dynamische Analyse erfolgte mit der Software ETABS 2020. Die Ergebnisse der beiden Modelle wurden in Bezug auf verschiedene Aspekte wie Scherkr fte, Verschiebungen und Schwingungsformen verglichen.
Étude comparative d'un bâtiment de grande hauteur doté d'un système de murs de cisaillement et d'un système double S
L'objectif de cette tude tait de comparer le comportement sismique de deux syst mes de cadres nus et d' valuer le fonctionnement des murs de cisaillement avec des cadres r sistants aux moments. Les murs de cisaillement et les cadres nus sont combin s dans le premier mod le, tandis que les murs de cisaillement sont absents dans le second mod le et sont analys s statiquement et dynamiquement l'aide du logiciel ETABS 2020. Les r sultats des deux mod les ont t compar s sous diff rents aspects tels que les forces de cisaillement de base, les d placements et les modes de vibration.
Uno studio comparativo di un edificio alto con sistema di pareti a taglio e doppio S
Lo scopo del presente studio stato quello di confrontare il comportamento sismico di due sistemi a telaio nudo e di valutare il funzionamento delle pareti di taglio con i telai resistenti al momento. Le pareti a taglio e i telai nudi sono stati combinati nel primo modello, mentre le pareti a taglio sono assenti nel secondo modello e sono state analizzate staticamente e dinamicamente utilizzando il software ETABS 2020. I risultati dei due modelli sono stati confrontati sotto diversi aspetti, come le forze di taglio alla base, gli spostamenti e i modi di vibrazione.
Estudo comparativo de um edifício alto com sistema de paredes de corte e sistema duplo S
O objetivo do presente estudo foi comparar o comportamento s smico de dois sistemas de p rticos nus e avaliar o funcionamento de paredes de cisalhamento com p rticos resistentes ao momento. O primeiro modelo combina paredes de cisalhamento e p rticos nus, enquanto o segundo modelo n o tem paredes de cisalhamento e analisado est tica e dinamicamente com o software ETABS 2020. Os resultados dos dois modelos foram comparados em diferentes aspectos, tais como for as de corte na base, deslocamentos e modos de vibra o.
Vorhersage Vermisster Kinder Durch Algorithmen Des Maschinellen Lernens
Jedes Jahr wird in Indien eine gro e Zahl von Kindern vermisst. Die Zahl der vermissten F lle ist unauffindbar. In diesem Buch wird ein innovativer Einsatz von maschinellen Lernverfahren zur Identifizierung vermisster Kinder vorgeschlagen . Die ffentlichkeit kann das Foto des verd chtigen Kindes aufnehmen und in das gemeinsame Portal hochladen, indem sie ihren Standort und ihre Kontaktinformationen angibt . Das hochgeladene Bild wird automatisch mit den in derDatenbank gespeicherten Bildern des vermissten Kindes verglichen . Der Supervisor speichert die Details des vermissten Kindes im Repository mit den Details des Kindes. DieKlassifizierung wird mit dem Eingabebild durchgef hrt und die beste bereinstimmung wird aus einem Register vermisster Kinder ausgew hlt. Ein pr diktives Modell wird trainiert, um das vermisste Kind aus dem Repository zu erkennen.
Prédiction Des Enfants Disparus À l'Aide d'Algorithmes d'Apprentissage Automatique
Chaque ann e, un grand nombre d'enfants disparaissent en Inde. Le nombre de cas de disparition n'est pas trac . Cet ouvrage propose une utilisation innovante des techniques d'apprentissage automatique pour l'identification des enfants disparus. Le public peut prendre la photo de l'enfant suspect et la t l charger sur le portail commun en pr cisant sa localisation et ses coordonn es . L'image t l charg e est automatiquement compar e aux images enregistr es de l'enfant disparu dans la base de donn es . Lesuperviseur enregistre les d tails de l'enfant disparu dans le r f rentiel avec les d tails de l'enfant. La classification est effectu e avec l'image d'entr e et la meilleure correspondance est choisie partir d'un registre d'enfants disparus. Un mod le pr dictif est form pour reconna tre l'enfant disparu partir de la base de donn es.
Previsione Dei Bambini Scomparsi Mediante Algoritmi Di Apprendimento Automatico
Ogni anno in India scompare un numero enorme di bambini. Il numero di casi di scomparsa non stato rintracciato. Questo libro propone un uso innovativo delle tecniche di apprendimento automatico per l'identificazione dei bambini scomparsi. Ilpubblico pu scattare la fotografia del bambino sospetto e caricarla sul portale comune, specificando la sua posizione e le informazioni di contatto. L'immagine caricata viene automaticamente confrontata con le immagini registrate del bambino scomparso nel database. Il supervisore memorizza i dettagli del bambino scomparso nel repository con i dati del bambino. Laclassificazione viene effettuata con l'immagine in ingresso e la migliore corrispondenza viene scelta da un registro di bambini scomparsi. Viene addestratoun modello predittivo per riconoscere il bambino scomparso dall'archivio.
Previsão de Crianças Desaparecidas Utilizando Algoritmos de Aprendizagem Automática
Todos os anos, um grande n mero de crian as desaparece na ndia. O n mero de casos desaparecidos n o conhecido. Este livro prop e uma utiliza o inovadora de t cnicas de aprendizagem autom tica para a identifica o das crian as desaparecidas. O p blico pode tirar a fotografia da crian a suspeita e carreg -la no portal comum, especificando a sua localiza o e informa es de contacto. A imagem carregada automaticamente comparada com as imagens registadas da crian a desaparecida na base de dados. O supervisor armazena os detalhes da crian a desaparecida no reposit rio com os detalhes da crian a. A classifica o efectuada com a imagem de entrada e a melhor correspond ncia escolhida a partir de um registo de crian as desaparecidas. treinadoum modelo preditivo para reconhecer a crian a desaparecida a partir do reposit rio.
Bildsynthese der Netzhaut (Glaukom)

Bildsynthese der Netzhaut (Glaukom)

Sravani Devi Yerrarapu

Verlag Unser Wissen
2023
nidottu
Das menschliche Auge ist ein Organ, das auf Licht und Druck reagiert. Viele Krankheiten, St rungen und altersbedingte Ver nderungen k nnen die Augen und die umliegenden Strukturen beeintr chtigen. Eine der Augenkrankheiten ist das Glaukom (Gr ner Star). Das Glaukom ist eine Erkrankung, bei der der Fl ssigkeitsdruck im Auge ansteigt. Unbehandelt kann er den Sehnerv sch digen und zum Verlust des Sehverm gens f hren. Die fr hzeitige Erkennung des Glaukoms minimiert das Risiko eines Sehkraftverlusts. Das vorgeschlagene Modell synthetisiert hochrealistische, kontrollierbare Fundusbilder, um mit Hilfe eines Deep-Learning-Modells eine h here Pr zision bei der Erkennung von Glaukomen zu erreichen.Ein generatives adverses Netzwerk (GAN) ist ein unbeaufsichtigtes maschinelles Lernverfahren, das zur Erweiterung von Datens tzen verwendet werden kann und gesammelte Bilder so aufbereitet, dass sie von realen Daten nicht mehr zu unterscheiden sind. Das Deep Convolutional GAN (DCGAN), eine weitere Variante des GAN, zeigt die architektonischen Beschr nkungen des Modells auf, die f r die effektive Entwicklung hochwertiger Generatormodelle erforderlich sind. Der erweiterte Datensatz, der durch Datenerweiterung gewonnen wurde, und der urspr ngliche ACRIMA-Datensatz mit Fundusbildern werden dem CNN-Klassifizierungsmodell zur Erkennung von Glaukomkrankheiten separat zugef hrt.
Synthèse d'images rétiniennes (glaucome)

Synthèse d'images rétiniennes (glaucome)

Sravani Devi Yerrarapu

Editions Notre Savoir
2023
nidottu
L'oeil humain est un organe qui r agit la lumi re et la pression. De nombreuses maladies, troubles et changements li s l' ge peuvent affecter les yeux et les structures environnantes. L'une des maladies de l'oeil est le glaucome. Le glaucome est une affection caract ris e par une augmentation de la pression du liquide dans l'oeil. Sans traitement, il peut endommager le nerf optique et entra ner une perte de vision. La d tection pr coce du glaucome minimise le risque de perte de vision. Le mod le propos synth tise des images de fond d'oeil contr lables tr s r alistes afin d'obtenir une pr cision dans la d tection du glaucome gr ce un mod le d'apprentissage profond.Un r seau accusatoire g n ratif (GAN) est une technique d'apprentissage automatique non supervis e qui peut tre utilis e pour augmenter les ensembles de donn es et rendre les images collect es indiscernables des donn es du monde r el. Le Deep Convolutional GAN (DCGAN), une autre variante du GAN, sugg re les contraintes architecturales du mod le requises pour d velopper efficacement des mod les de g n rateur de haute qualit . L'ensemble de donn es am lior , obtenu partir de l'augmentation des donn es, et l'ensemble de donn es original ACRIMA d'images du fond d'oeil sont donn s s par ment au mod le de classification CNN pour la d tection de la maladie du glaucome.
Sintesi dell'immagine retinica (glaucoma)

Sintesi dell'immagine retinica (glaucoma)

Sravani Devi Yerrarapu

Edizioni Sapienza
2023
nidottu
L'occhio umano un organo che reagisce alla luce e alla pressione. Molte malattie, disturbi e cambiamenti legati all'et possono colpire gli occhi e le strutture circostanti. Una delle malattie oculari il glaucoma. Il glaucoma una condizione in cui la pressione del fluido aumenta all'interno dell'occhio. Senza trattamento, pu danneggiare il nervo ottico e portare alla perdita della vista. La diagnosi precoce del glaucoma riduce al minimo il rischio di perdita della vista. Il modello proposto sintetizza immagini del fundus controllabili altamente realistiche per ottenere precisione nel rilevamento del glaucoma attraverso un modello di deep learning.Una rete generativa avversaria (GAN) una tecnica di apprendimento automatico non supervisionata che pu essere utilizzata per aumentare i set di dati e rendere le immagini raccolte indistinguibili dai dati del mondo reale. La Deep Convolutional GAN (DCGAN), un'altra variante della GAN, suggerisce i vincoli architetturali sul modello necessari per sviluppare efficacemente modelli generatori di alta qualit . Il set di dati migliorato, ottenuto dall'aumento dei dati e il set di dati originale ACRIMA di immagini del fundus, vengono forniti separatamente al modello di classificazione CNN per il rilevamento della malattia del glaucoma.
Síntese de imagem da retina (glaucoma)

Síntese de imagem da retina (glaucoma)

Sravani Devi Yerrarapu

Edicoes Nosso Conhecimento
2023
nidottu
O olho humano um rg o que reage luz e press o. Muitas doen as, perturba es e altera es relacionadas com a idade podem afetar os olhos e as estruturas circundantes. Uma das doen as oculares o glaucoma. O glaucoma uma doen a em que a press o do fluido aumenta no interior do olho. Sem tratamento, pode danificar o nervo tico e levar perda de vis o. A dete o precoce do glaucoma minimiza o risco de perda de vis o. O modelo proposto sintetiza imagens de fundo de olho control veis altamente realistas para obter precis o na dete o do glaucoma atrav s de um modelo de aprendizagem profunda.Uma rede advers ria generativa (GAN) uma t cnica de aprendizagem autom tica n o supervisionada que pode ser utilizada para aumentar os conjuntos de dados e produzir imagens recolhidas para serem indistingu veis dos dados do mundo real. A Deep Convolutional GAN (DCGAN), outra variante da GAN, sugere as restri es arquitecturais do modelo necess rias para desenvolver eficazmente modelos geradores de alta qualidade. O conjunto de dados melhorado, obtido a partir do aumento de dados e do conjunto de dados ACRIMA original de imagens do fundo do olho, fornecido separadamente ao modelo de classifica o CNN para detetar a doen a do glaucoma.
Detecção Antifurto em Veículos Utilizando Reconhecimento Facial e IOT
A dete o de furtos em ve culos utilizando apenas a dete o facial pode n o ser a abordagem mais eficaz, uma vez que a dete o facial foi concebida principalmente para identificar e verificar a identidade das pessoas com base nos seus tra os faciais. No entanto, existem outras tecnologias e m todos que podem ser utilizados para melhorar a dete o antirroubo em ve culos. Aqui est o algumas abordagens alternativas que podem ser combinadas com a dete o facial importante notar que nenhum m todo isolado pode fornecer uma solu o antirroubo infal vel. Uma combina o de v rias tecnologias e abordagens geralmente mais eficaz na dissuas o e dete o de furto em ve culos. Al m disso, crucial cumprir as considera es legais e ticas ao implementar sistemas de vigil ncia ou de dete o facial para proteger os direitos de privacidade e garantir uma utiliza o respons vel da tecnologia.
Diebstahlerkennung in Fahrzeugen mittels Gesichtserkennung und IoT
Die Erkennung von Diebst hlen in Fahrzeugen mit Hilfe der Gesichtserkennung allein ist m glicherweise nicht der effektivste Ansatz, da die Gesichtserkennung in erster Linie f r die Identifizierung und berpr fung der Identit t von Personen anhand ihrer Gesichtsmerkmale konzipiert ist. Es gibt jedoch auch andere Technologien und Methoden, die zur Verbesserung der Diebstahlsicherung in Fahrzeugen eingesetzt werden k nnen. Hier sind einige alternative Ans tze, die mit der Gesichtserkennung kombiniert werden k nnen. Es ist wichtig zu beachten, dass keine einzelne Methode eine narrensichere Diebstahlschutzl sung bieten kann. Eine Kombination aus mehreren Technologien und Ans tzen ist in der Regel effektiver bei der Abschreckung und Erkennung von Diebst hlen in Fahrzeugen. Au erdem m ssen bei der Einf hrung von berwachungs- oder Gesichtserkennungssystemen unbedingt rechtliche und ethische Aspekte beachtet werden, um die Rechte der Privatsph re zu sch tzen und einen verantwortungsvollen Einsatz der Technologie zu gew hrleisten.