摘要：毕业设计是高职院校计算机软件专业学生提高实践能力的重要环节之一,文章对近年来计算机专业毕业设计中存在的问题进行了分析,然后从实行新的毕业设计选题方法、模式多元化,结合软件工程指导学生毕业设计,为进一步提高高职院校计算机专业毕业设计水平提供依据。

摘要：为了实现无人机(Unmanned aerial vehicle,UAV)视频中遥感目标的精确跟踪,对传统基于孪生网络的跟踪架构进行了改进。使用改进的ResNet-50作为骨干网络,实现模板和搜索区域进行深度特征提取,以提升骨干网络对于深度特征的提取能力,将孪生骨干网络所提取的特征通过深度互相关操作进行融合。为了抑制低质量预测边界框的生成,本研究在预测头部网络中聚合了一个质量评估分支。对于深度互相关操作得到的特征响应图,直接以无锚框的方式在统一的全卷积网络中预测目标的位置以及纵横比。UAV123数据集上的试验结果表明,相较于传统算法,所设计的跟踪算法在精确度曲线和成功率曲线的得分分别提升了2.2%和4.7%,能够很好地处理快速运动、光照变化以及尺度变化等情况。

摘要：无人机(Unmanned aerial vehicle,UAV)遥感图像拼接是指将两幅或多幅具有相似场景内容的高分辨率无人机遥感图像拼接为一幅包含更多信息的大视野图像,在军事和地理测绘等领域得到了广泛应用。传统算法通常依赖于手工特征,无法有效地提取弱纹理图像的特征。若图像之间视差较大时,会导致拼接无法进行。为了解决上述问题,基于计算机视觉组(Visual Geometry Group-16,VGG-16)网络结合孪生网络框架提出了一种用于无人机遥感图像拼接的有监督模型。基于VGG-16网络设计了权值共享的孪生特征提取网络,解决特征提取不充分的问题。设计了能够回归图像之间空间变换关系的回归网络,并使用分组卷积代替普通卷积以提升网络速度。同时,为了解决将图像之间真实变换关系作为标签的图像拼接数据集难以获取的问题,基于一定程度的仿射变换,构建了自己的数据集。实验结果表明,本方法在无人机遥感图像拼接的主观视觉效果以及客观评价指标上均有较好的结果,与ORB算法(Oriented FAST and rotated BRIEF,ORB)和CAU-DHE算法(Content-aware unsupervised deep homography estimation,CAU-DHE)相比,主观视觉上图像拼接精度提升,结构相似性分别提高了约12.4%和2.3%,均方根误差分别降低了约15.0%和4.4%。