M Aravind Kumar

I droni di consegna, noti anche come veicoli aerei senza pilota (UAV), stanno rivoluzionando il settore della logistica e dei trasporti fornendo soluzioni di consegna rapide, efficienti e senza contatto. Questi sistemi aerei autonomi o semi-autonomi sono sempre pi utilizzati per la consegna dell'ultimo miglio di pacchi, alimenti, forniture mediche e altre merci. Grazie all'integrazione di GPS, trasmissione dati in tempo reale e tecnologie di prevenzione degli ostacoli, i droni sono in grado di navigare in ambienti complessi e consegnare le merci direttamente a domicilio dei clienti, spesso in una frazione del tempo richiesto dai metodi tradizionali. Uno dei principali vantaggi dei droni di consegna la loro capacit di aggirare il traffico terrestre e raggiungere aree remote o inaccessibili, rendendoli particolarmente utili in caso di emergenze o disastri naturali. Hanno anche il potenziale per ridurre le emissioni di carbonio e i costi complessivi di trasporto, riducendo al minimo la dipendenza dai veicoli alimentati con combustibili fossili.

Les drones de livraison, galement appel s v hicules a riens sans pilote (UAV), r volutionnent le secteur de la logistique et du transport en offrant des solutions de livraison rapides, efficaces et sans contact. Ces syst mes a riens autonomes ou semi-autonomes sont de plus en plus utilis s pour la livraison du dernier kilom tre de colis, de denr es alimentaires, de fournitures m dicales et d'autres marchandises. Gr ce l'int gration du GPS, de la transmission de donn es en temps r el et des technologies d' vitement d'obstacles, les drones peuvent naviguer dans des environnements complexes et livrer des marchandises directement la porte des clients, souvent en une fraction du temps n cessaire aux m thodes traditionnelles. L'un des principaux avantages des drones de livraison est leur capacit contourner le trafic routier et atteindre des zones loign es ou inaccessibles, ce qui les rend particuli rement utiles en cas d'urgence ou de catastrophe naturelle. Ils ont galement le potentiel de r duire les missions de carbone et les co ts globaux de transport en minimisant la d pendance aux v hicules combustible fossile.

Lieferdrohnen, auch bekannt als unbemannte Luftfahrzeuge (UAVs), revolutionieren die Logistik- und Transportbranche durch schnelle, effiziente und kontaktlose Lieferl sungen. Diese autonomen oder halbautonomen Flugsysteme werden zunehmend f r die Lieferung von Paketen, Lebensmitteln, medizinischen G tern und anderen Waren auf der letzten Meile eingesetzt. Dank der Integration von GPS, Echtzeit-Daten bertragung und Technologien zur Hindernisvermeidung k nnen Drohnen komplexe Umgebungen navigieren und Waren direkt an die Haust r der Kunden liefern, oft in einem Bruchteil der Zeit, die mit herk mmlichen Methoden erforderlich w re. Einer der Hauptvorteile von Lieferdrohnen ist ihre F higkeit, den Bodenverkehr zu umgehen und abgelegene oder unzug ngliche Gebiete zu erreichen, was sie besonders n tzlich in Notf llen oder bei Naturkatastrophen macht. Sie haben auch das Potenzial, die CO2-Emissionen und die Gesamtkosten f r den Transport zu senken, indem sie die Abh ngigkeit von fossil betriebenen Fahrzeugen minimieren.

A dete o precoce de doen as das plantas desempenha um papel importante na efic cia do rendimento das culturas. As doen as das plantas, como o sarampo negro, a podrid o negra, a mancha bacteriana, etc., afectam o crescimento e a qualidade das colheitas e t m um impacto econ mico na ind stria agr cola. Para evitar o impacto destas doen as, os agricultores recorrem normalmente a abordagens dispendiosas e utiliza o de pesticidas. A utiliza o de meios qu micos prejudica a planta e o ambiente circundante. Para al m disso, este tipo de abordagem intensifica o custo de produ o e causa grandes perdas monet rias aos agricultores. A dete o precoce de doen as medida que estas ocorrem o per odo mais importante para uma gest o eficaz das doen as. A dete o manual de doen as atrav s de peritos humanos para identificar e reconhecer as doen as das plantas uma pr tica habitual na agricultura. Com as melhorias tecnol gicas, a dete o autom tica de doen as das plantas a partir de imagens em bruto poss vel atrav s da vis o por computador e da investiga o em intelig ncia artificial.

L'individuazione precoce delle malattie delle piante svolge un ruolo importante per una resa efficiente delle colture. Le malattie delle piante come il morbillo nero, il marciume nero, la macchia batterica, ecc. influiscono sulla crescita e sulla qualit del raccolto delle piante e sull'impatto economico dell'industria agricola. Per evitare l'impatto di queste malattie, gli agricoltori adottano solitamente approcci costosi e l'uso di pesticidi. L'uso di mezzi chimici danneggia la pianta e l'ambiente circostante. Inoltre, questo tipo di approccio intensifica i costi di produzione e comporta una grande perdita monetaria per gli agricoltori. La scoperta precoce delle malattie al loro insorgere il momento pi importante per una gestione efficiente delle malattie. L'individuazione manuale delle malattie da parte di esperti umani per identificare e riconoscere le malattie delle piante una pratica abituale in agricoltura. Con i miglioramenti tecnologici, il rilevamento automatico delle malattie delle piante da immagini grezze possibile grazie a ricerche di computer vision e intelligenza artificiale.

Gesichtsverformungsangriffe stellen eine ernsthafte Bedrohung f r die bestehenden Gesichtserkennungssysteme dar. Obwohl einige Methoden zur Erkennung von Gesichtsverformungen entwickelt wurden, bleibt die Wiederherstellung des Gesichts eines Komplizen, der sich verformt hat, ein schwieriges Problem. In diesem Papier wird ein generatives generatives adversarisches Netzwerk (FD-GAN) zur Wiederherstellung des Gesichtsbildes des Komplizen vorgeschlagen. Es nutzt eine symmetrische duale Netzwerkarchitektur und zwei Stufen von Wiederherstellungsverlusten, um das Identit tsmerkmal des morphenden Komplizen zu trennen. Durch die Nutzung des vom Gesichtserkennungssystem erfassten Gesichtsbildes (das die Identit t des Kriminellen enth lt) und des im elektronischen Reisepass gespeicherten gemorphten Bildes (das sowohl die Identit t des Kriminellen als auch die des Komplizen enth lt), kann das FD-GAN das Gesichtsbild des Komplizen effektiv wiederherstellen. Experimentelle Ergebnisse und Analysen belegen die Wirksamkeit des vorgeschlagenen Verfahrens. Es hat ein gro es Potenzial f r die R ckverfolgung der Identit t des Komplizen eines Face-Morphing-Angriffs bei kriminalpolizeilichen und forensischen Untersuchungen.

O ataque de "face morphing" revelou-se uma s ria amea a para os actuais sistemas de reconhecimento facial. Embora tenham sido propostos alguns m todos de dete o de face morphing, o restauro do rosto do c mplice que sofreu o ataque continua a ser um problema dif cil. Neste artigo, proposta uma rede advers ria generativa de de- morphing facial (FD-GAN) para restaurar a imagem facial do c mplice. Utiliza uma arquitetura de rede dupla sim trica e dois n veis de perdas de restauro para separar a carater stica de identidade do c mplice morphing. Explorando a imagem facial capturada (que cont m a identidade do criminoso) do sistema de reconhecimento facial e a imagem transformada armazenada no sistema de passaporte eletr nico (que cont m as identidades do criminoso e do c mplice), o FD-GAN pode restaurar eficazmente a imagem facial do c mplice. Os resultados experimentais e a an lise demonstram a efic cia do esquema proposto. Tem um grande potencial para ser aplicado no rastreio da identidade do c mplice de um ataque de transforma o facial na investiga o criminal e forense judicial.

L'attaque par morphing du visage s'av re tre une menace s rieuse pour les syst mes de reconnaissance faciale existants. Bien que quelques m thodes de d tection du morphage des visages aient t propos es, la restauration de l'image faciale d'un complice ayant subi un morphage des visages reste un probl me difficile. Dans cet article, un r seau accusatoire g n ratif de morphing de visage (FD-GAN) est propos pour restaurer l'image faciale du complice. Il utilise une architecture de r seau double sym trique et deux niveaux de pertes de restauration pour s parer la caract ristique d'identit du complice de morphing. En exploitant l'image faciale captur e (contenant l'identit du criminel) par le syst me de reconnaissance faciale et l'image morph e stock e dans le syst me de passeport lectronique (contenant les identit s du criminel et du complice), le FD-GAN peut restaurer efficacement l'image faciale du complice. Les r sultats exp rimentaux et l'analyse d montrent l'efficacit du syst me propos . Il a un grand potentiel d'application pour retrouver l'identit du complice d'une attaque par morphing facial dans le cadre d'une enqu te criminelle et de la criminalistique judiciaire.

L'attacco di face morphing si rivelato una seria minaccia per i sistemi di riconoscimento facciale esistenti. Sebbene siano stati proposti alcuni metodi di rilevamento del face morphing, il ripristino del volto del complice rimane un problema impegnativo. In questo lavoro, viene proposta una rete generativa avversaria di de-morfismo facciale (FD-GAN) per ripristinare l'immagine facciale del complice. Utilizza un'architettura di rete duale simmetrica e due livelli di perdite di ripristino per separare le caratteristiche dell'identit del complice morphing. Sfruttando l'immagine facciale catturata (contenente l'identit del criminale) dal sistema di riconoscimento facciale e l'immagine morphing memorizzata nel sistema di passaporto elettronico (contenente le identit del criminale e del complice), l'FD-GAN pu ripristinare efficacemente l'immagine facciale del complice. I risultati sperimentali e l'analisi dimostrano l'efficacia dello schema proposto. Ha un grande potenziale per essere applicato per rintracciare l'identit del complice di un attacco di face morphing nelle indagini criminali e nella forensics giudiziaria.

Face morphing attack is proved to be a serious threat to the existing face recognition systems. Although a few face morphing detection methods have been put forward, the face morphing accomplice's facial restoration remains a challenging problem. In this paper, a face de- morphing generative adversarial network (FD-GAN) is proposed to restore the accomplice's facial image. It utilizes a symmetric dual network architecture and two levels of restoration losses to separate the identity feature of the morphing accomplice. By exploiting the captured facial image (containing the criminal's identity) from the face recognition system and the morphed image stored in the e-passport system (containing both criminal and accomplice's identities), the FD-GAN can effectively restore the accomplice's facial image. Experimental results and analysis demonstrate the effectiveness of the proposed scheme. It has great potential to be applied for tracing the identity of face morphing attack's accomplice in criminal investigation and judicial forensics.

Questo libro riassume L'obiettivo principale dell'hashing supervisionato quello di convertire le caratteristiche originali in brevi codici binari in grado di mantenere la somiglianza delle etichette nello spazio di Hamming. Grazie alla loro forte capacit di generalizzazione, le funzioni hash non lineari hanno dimostrato di essere superiori a quelle lineari. In letteratura si utilizzano spesso funzioni kernel per creare hashing non lineari, con prestazioni di recupero incoraggianti ma lunghi tempi di valutazione e addestramento. In questa sede, suggeriamo di utilizzare alberi decisionali boosted, che sono veloci da addestrare e valutare e quindi pi adatti all'hashing con dati ad alta dimensionalit . Nell'ottica di un miglioramento continuo, proponiamo innanzitutto formulazioni submodulari per l'inferenza del codice binario di hashing e un'efficace tecnica di ricerca a blocchi basata sul Graph Cut per l'inferenza su larga scala. Poi, addestriamo alberi decisionali potenziati per adattarli ai codici binari e imparare le funzioni hash. Gli esperimenti dimostrano che in termini di precisione di recupero e di durata dell'addestramento, la strategia da noi proposta supera di gran lunga la maggior parte dei metodi all'avanguardia.