摘要：针对使用人工设计特征训练的行人检测算法准确率和效率较低的问题,提出一种采用卷积神经网络特征图聚集多尺度行人检测高效算法.设计一种特征图聚集网络,将高层次特征图与低层次特征图进行聚集,构造出有较好空间分辨和语义能力的特征图;构造特征延伸网络,提供用于多尺度行人检测的特征图;重新设计目标候选区域,构造多尺度行人检测网络,提升定位准确性,并将特征图聚集网络、特征延伸网络和多尺度行人检测网络组合进行端到端训练.实验测试结果表明,该算法可以有效提高行人检测与定位准确性,并可在普通硬件设备条件下提供实时检测.

摘要：根据图论将复杂网络转化为图结构数据,使卷积神经网络能够高效方便地处理;通过将图像上的卷积操作延伸到图结构数据上来定义卷积核,并通过卷积层对图的粗粒化和池化操作,提取不规则数据复杂网络的特征.在采用随机梯度下降法训练网络时,设计一种重要性抽样方法改变样本的分布来缩减方差,从而节省梯度计算时间.实验结果表明,与现有的图卷积网络相比,该方法在社会网络、引文网络、知识图谱数据集中,均能够以较低的计算复杂度获得较好的社团发现准确率;而且能够减少计算时的内存占用,可扩展到更大规模的复杂网络中使用.

摘要：常见的卷积神经网络通常使用分类损失来进行可分离的特征学习,在某些情况下存在特征的可区分性不足的问题,而一些改进的方法复杂度较高.为了在较低的复杂性下仍能保证较高的准确率,提出了一种基于嵌套残差卷积神经网络与角度度量的人脸识别方法.首先,设计了一种新颖的基于嵌套残差模块的人脸特征提取网络,通过多特征图融合的方式提取更丰富的特征;其次,使用了一种基于权值标准化的角度度量方法,通过对最后一个全连接层的权值进行标准化的操作来增强特征区分性.在网络训练时,结合上述两种方法使得学习到的特征满足最大类内距离小于最小类间距离的原则。实验表明,该方法在人脸标记数据库上测试准确率达到99.03%,相较于使用分类损失和其他度量学习的方法,该方法仅使用了单个网络并能在保证较高准确率的情况下付出更小的计算代价.

摘要：在行人再识别过程中,由于行人姿态变化会导致图像之间对应位置存在身体区域不对齐的问题,从而降低识别准确率。为此,设计一种新的行人再识别方法。利用卷积神经结构计算行人图像的响应图,根据响应图中的极值点定位行人身体节点,并以此划分特征区域,将提取的各个区域的特征进行融合得到特征表示。在比对距离度量上通过引入k倒排近邻使更多的正样本包含在近邻中,在杰卡德距离中将k倒排近邻集编码成向量以减少计算量,使得越近的邻域获得越大的权重。实验结果表明,相比于对整幅行人图像提取特征方法与单独使用马氏距离的方法,该方法能有效提高行人再识别的准确率。

摘要：在无线传感器网络中能耗是必须考虑的一个重要因素,由于无法对节点的能量进行再输送,应尽可能地减少系统能量的开销、延长整个网络的生存时间。文中对无线传感器网络的能耗与最优簇首节点数量之间的关系进行了理论分析与研究,得出的结论对无线传感器网络规划、设计有一定的指导作用。

摘要：针对传统检验检测手段在大型起重机上存在的不足,设计了一种面向起重机的无人机智能辅助检测系统,对大型起重机上检验人员难以接近部位进行高清图片和视频的拍摄,同时具备红外热成像功能,能快速锁定缺陷并对其分析;搭载动刚度检测仪获取起重机工作时的振动频率,可以辅助判断大型起重机械是否存在异常,实现对设备安全状态的初步评估。