Md Mehedi Hasan Naeem
PulseAugur coverage of Md Mehedi Hasan Naeem — every cluster mentioning Md Mehedi Hasan Naeem across labs, papers, and developer communities, ranked by signal.
1 天有情绪数据
-
深度学习模型高效检测香蕉甲虫损害
研究人员开发了一个轻量级深度学习框架，使用 YOLOv8n 模型来检测由 Basilepta subcostata 甲虫引起的香蕉表面可见损伤。该方法旨在提供一种比人工检查更客观、可扩展的替代方案，因为人工检查会降低市场价值。该模型在来自孟加拉国的 2,400 多张图像的自定义数据集上进行了训练，取得了 77.67% 的 F1 分数和 87.04% 的 [email protected]。YOLOv8n 模型以其较小的检查点大小和在 NVIDIA Te…
-
AI框架简化孟加拉戏剧制作规划
研究人员开发了ThetreStageAI，一个检索增强生成框架，旨在协助孟加拉戏剧制作的结构化规划。该系统采用多视图方法，为场景、演员调度和灯光信息维护独立的集合，然后由Gemini模型处理以生成模式约束的JSON输出。该项目还包括创建一个合成数据集以辅助规划过程，并已公开其源代码、数据集和评估材料。
-
新的离线语音助手LUMO在边缘设备上优先考虑隐私
研究人员开发了LUMO，这是一种注重隐私的离线语音助手，专为互联网连接有限的边缘计算环境而设计。该系统将本地自动语音识别（ASR）、本地部署的量化大语言模型（LLM）和文本到语音（TTS）合成集成到一个完全离线的流程中。LUMO运行在Raspberry Pi 5上，利用4位GGUF量化实现高效的LLM性能，与现有的离线助手相比，实现了较低的端到端响应延迟和更低的功耗。
-
机器学习框架预测餐厅食物浪费
研究人员开发了一个机器学习框架，利用运营数据、天气和活动指标来估算餐厅的每日食物浪费。该研究构建了一个包含77,980条记录的数据集，并采用了四种回归模型，其中随机森林表现最佳。确定的关键预测因素包括菜单多样性、运营区域和时间活动模式。数据集、代码和实验配置均公开可用，以鼓励进一步研究，特别是使用实测浪费数据进行的研究。