This paper gives an algorithm for detecting and reading text in natural images. The algorithm is intended for use by blind and visually impaired subjects walking through city scenes. We first obtain a dataset of city images taken by blind and normally sighted subjects. From this dataset, we manually label and extract the text regions. Next we perform statistical analysis of the text regions to determine which image features are reliable indicators of text and have low entropy (i.e. feature response is similar for all text images). We obtain weak classifiers by using joint probabilities for feature responses on and off text. These weak classifiers are used as input to an AdaBoost machine learning algorithm to train a strong classifier. In practice, we trained a cascade with 4 strong classifiers containing 79 features. An adaptive binarization and extension algorithm is applied to those regions selected by the cascade classifier. Commercial OCR software is used to read the text or reject it as a non-text region. The overall algorithm has a success rate of over 90% (evaluated by complete detection and reading of the text) on the test set and the unread text is typically small and distant from the viewer.

In this paper we present a Bayesian framework for parsing images into their constituent visual patterns. The parsing algorithm optimizes the posterior probability and outputs a scene representation as a “parsing graph”, in a spirit similar to parsing sentences in speech and natural language. The algorithm constructs the parsing graph and re-configures it dynamically using a set of moves, which are mostly reversible Markov chain jumps. This computational framework integrates two popular inference approaches—generative (top-down) methods and discriminative (bottom-up) methods. The former formulates the posterior probability in terms of generative models for images defined by likelihood functions and priors. The latter computes discriminative probabilities based on a sequence (cascade) of bottom-up tests/filters. In our Markov chain algorithm design, the posterior probability, defined by the generative models, is the invariant (target) probability for the Markov chain, and the discriminative probabilities are used to construct proposal probabilities to drive the Markov chain. Intuitively, the bottom-up discriminative probabilities activate top-down generative models. In this paper, we focus on two types of visual patterns—generic visual patterns, such as texture and shading, and object patterns including human faces and text. These types of patterns compete and cooperate to explain the image and so image parsing unifies image segmentation, object detection, and recognition (if we use generic visual patterns only then image parsing will correspond to image segmentation (Tu and Zhu, 2002. IEEE Trans. PAMI, 24(5):657–673). We illustrate our algorithm on natural images of complex city scenes and show examples where image segmentation can be improved by allowing object specific knowledge to disambiguate low-level segmentation cues, and conversely where object detection can be improved by using generic visual patterns to explain away shadows and occlusions.

Lattice thermal conductivity (klat) of mantle minerals is a key factor in determining the Earth's energy budget and influences its dynamic processes. Here, we trained a neuroevolution machine learning potential for CaSiO3 perovskite (CaPv), the third most abundant mineral of the lower mantle, to investigate the klat of pyrolitic aggregates at the core–mantle boundary (CMB). We show that the klat of two types of pyrolitic aggregates has increased by 7% and 5% upon the addition of CaPv, demonstrating its significance in shaping the thermal structure of Earth's interior. Considering other mantle minerals and iron content, as well as the global distribution of temperature, we evaluated the heat flow across the CMB to be 7.98 ± 0.4 TW. The estimated heat flow is inconsistent with the value derived from the Fe alloy, which might suggest the presence of a thermally or chemically stratified layer atop the outer core.

Cobalt oxides are known for their excellent heat transfer properties. The main component of cobalt oxides is the CoO2 monolayer, which exhibits high-temperature superconductivity caused by strong electron–phonon coupling (EPC). We here systematically investigate the structural stability, electronic structure, and magnetism of the CoO2 monolayer using first-principles and Monte Carlo simulations. On this basis, we further study the changes in the spin energy gap, magnetic axis direction, and other properties of the CoO2 monolayer with the changes in carrier concentration. By appropriately doping the CoO2 monolayer with holes, the magnetic axis direction of the CoO2 monolayer can be reversed, thereby enhancing its potential application in the field of spin electronic devices. Monte Carlo simulation is used to study the regulation of different factors on the magnetothermal properties of the CoO2 monolayer. Through the analysis of physical parameters such as Curie temperature (TC) and bandgap, we find that the appropriate carrier concentration and magnetic field can not only regulate the magnetothermal properties of materials but also further improve the efficiency of materials in low-temperature environments.

We propose selection rules for four-phonon (4ph) scattering that clarify the predominance of the redistribution process. The cutoff frequencies for specific scattering channels are identified, with their feasibility determined by the magnitude of the a-o gap. We obtain substantive evidence to support the fact that the enhancement of 4ph scattering is due to the flat phonon dispersion. An extremely strong intraband scattering in the ZA branch is identified beyond expectation. The same enhancing effect can manifest between homothetic branches as an enhancement mechanism of interband scattering. The homothety is associated with the distribution trend of phonon group velocity, which can anticipate the intensity of 4ph scattering. Our work provides insights and perspectives into 4ph interaction.

Beryllium (Be) alloys are indispensable in cutting-edge applications owing to their unique advantages.

The neutral oxygen catalysis is an electrochemical reaction of the utmost importance in energy generation, storage application, and chemical synthesis. However, the restricted availability of protons poses a challenge to achieving kinetically favorable oxygen catalytic reactions. Here, we alter the interfacial water orientation by adjusting the Brønsted acidity at the catalyst surface, to break the proton transfer limitation of neutral oxygen electrocatalysis. An unexpected role of water molecules in improving the activity of neutral oxygen catalysis is revealed, namely, increasing the H-down configuration water in electric double layers rather than merely affecting the energy barriers for reaction limiting steps. The proposed porous nanofibers with atomically dispersed MnN3 exhibit record-breaking activity (EORR@1/2/EOER@10 mA = 0.85/1.65 V vs. RHE) and reversibility (2500 h), outperforming all previously reported neutral catalysts and rivaling conventional alkaline systems. In particular, practical ampere-scale zinc-air batteries (ZABs) stack are constructed with a capacity of 5.93 Ah and can stably operate under 1.0 A and 1.0 Ah conditions, demonstrating broad application prospects. This work provides a novel and feasible perspective for designing neutral oxygen electrocatalysts and reveals the future commercial potential in mobile power supply and large-scale energy storage.

The neutral oxygen catalysis is an electrochemical reaction of the utmost importance in energy generation, storage application, and chemical synthesis. However, the restricted availability of protons poses a challenge to achieving kinetically favorable oxygen catalytic reactions. Here, we alter the interfacial water orientation by adjusting the Brønsted acidity at the catalyst surface, to break the proton transfer limitation of neutral oxygen electrocatalysis. An unexpected role of water molecules in improving the activity of neutral oxygen catalysis is revealed, namely, increasing the H‐down configuration water in electric double layers rather than merely affecting the energy barriers for reaction limiting steps. The proposed porous nanofibers with atomically dispersed MnN3 exhibit record‐breaking activity (EORR@1/2/EOER@10 mA = 0.85/1.65 V vs. RHE) and reversibility (2500 h), outperforming all previously reported neutral catalysts and rivaling conventional alkaline systems. In particular, practical ampere‐scale zinc‐air batteries (ZABs) stack are constructed with a capacity of 5.93 Ah and can stably operate under 1.0 A and 1.0 Ah conditions, demonstrating broad application prospects. This work provides a novel and feasible perspective for designing neutral oxygen electrocatalysts and reveals the future commercial potential in mobile power supply and large‐scale energy storage.

Effectively manipulating the ligand distribution at the perovskite buried interface is critical for achieving high-performance nanocrystal-based perovskite light-emitting diodes (PeLEDs). However, it is challenging to realize it due to the non-exposed feature of the buried interface. Here, the drag force shear (DFS) is utilized to successfully regulate the ligand distribution at the perovskite buried interface which can effectively suppress the EQE roll-off of devices. By manipulating the ligand distribution at the perovskite buried interface, it is revealed that a more ligand preservation could result in an improved defect passivation leading to higher EQE, while the carrier injection barrier is increased simultaneously making devices suffer from severe EQE roll-off and decreased luminance, and vice versa. With the help of optimizing the ligand distribution by manipulating the DFS, the balance between carrier injection and interfacial defect passivation is successfully achieved. Resultantly, an enhanced EQE of 17.24 % with substantially suppressed EQE roll-off is reached, culminating in a remarkable luminance of 61,900 cd/m2. This work presents an efficient approach to control ligand distribution at the perovskite buried interface and offers valuable insights for realizing high luminance and low EQE roll-off of PeLEDs.