摘要：传统教学系统单一考虑通信信道输出信息,导致系统在教学时画质延时高。因此,提出基于小波神经网络的图形学教学系统设计。硬件部分设计ATmega128处理器和CSNP4GCR01-AMW存储芯片,软件部分利用小波神经网络设计数据处理模块、信道特征提取模块和教学任务模块,实现系统教学功能。构建对比实验,证明基于小波神经网络的图形学教学系统设计可以降低教学中画质延时。

摘要：由于图像质量的差异,导致部分目标的特征出现模糊,降低了对目标的检测精度,因此本文提出基于深度学习的网络图像目标检测方法。利用卷积神经网络第一和第二卷积层的视觉感应域,提取图像包含的边缘、颜色、纹理以及表面特征信息,并通过在图像上构建n×n网格,为每个目标建立了唯一的坐标标签,以此避免目标重复检测。在此基础上,利用卷积神经网络(Convolutional Neural Networks,CNN)的池化层计算出目标特征损失函数,以最小化损失函数为目标对卷积神经网络进行训练,实现对图像目标的准确检测。测试结果表明,设计方法对不同光照信息、背景信息以及目标尺度条件下的目标检测精度均值可以达到88.29%。