摘要：为解决加深主干网络造成的检测速度下降问题,提出了一种基于特征融合与通道筛选的目标检测方法.首先,该方法合理地复用了每个下采样阶段内的子空间信息,在每个下采样阶段,利用所设计的8倍、4倍、2倍下采样模块进行特征融合.然后,将融合后的特征图谱进行自适应通道筛选后组装到SSD的网络中,强化全局信息在目标检测模型中的作用.最后,设计了基于余弦距离的分类损失函数,使目标分类的准确度更高.以VGG网络为主干网络,参照SSD目标检测网络,加入了提出的下采样特征融合模块、自适应通道筛选模块以及改进的损失函数,进行了多组对比试验.结果表明,当网络的图像输入尺寸为512×512时,该方法在Pascal VOC 2007与Pascal VOC 2012数据集上对于目标检测的平均精度均值达到了82.2%,优于所对比的单级目标检测模型.该方法在保证实时检测速度的条件下,达到与拥有较深主干网络的检测模型同级别的性能.

摘要：手工艺术学院毕业作品心手合一知者创物,巧者述之守之,世谓之工。——《考工记》在人类所有一切可以谋生的职业中,最能使人接近自然状态的职业是手工劳动。——(法)卢梭《爱弥儿》在传统的物质文化研究中,物从来不是主角,它总是从属于人而出现在世人面前。我们分析的对象不是只以功能决定的物品,也不是为分析之便而进行分类之物,而是人类究竟透过何种程序和物产生关系,以及由此而来的人的行为及人际关系系统。