摘要：针对在线教育环境下因时空分离导致教师难以及时获悉学习者专注度的问题,设计一种轻量级深度学习网络模型用于学习者专注度检测。该模型根据学习者的面部表情信息进行决策判断,利用深度残差网络完成空间特征提取,采用长短记忆周期网络完成时序特征提取,并加入空间注意力(SA)和时序注意力(GA)优化模型的特征提取能力,提升专注度检测的效果。实验结果表明,该方法无论在公开数据集还是自采数据集上均获得较高准确率,在精度和时间成本方面能较好地满足实际在线学习场景的需求。

摘要：随着养宠家庭的增加,犬只身份识别成为一个重要问题,犬鼻纹独一无二,可以用来准确地辨认犬只身份。为了实现犬鼻纹识别,设计了一种基于FaceNet网络的犬只鼻纹识别方法。FaceNet的Backbone采用resnet18,损失函数采用Tripletloss。并通过SRGAN网络对犬鼻纹图像预处理,放大图像分辨率,使鼻纹图像更加清晰。基于FaceNet网络的犬只鼻纹识别方法为犬只身份识别和鉴定提供了一种有效可行的解决方案。

摘要：随着能源转型和数字化发展,数据已经成为企业发展必不可少的生产要素,数据融合能够实现多种类型数据的集成应用。该文设计电力工程施工数据融合的思路和技术架构,给出电力工程数据获取途径,研究基于人工智能的数据融合程序和评价指标,优选完整性大于70%、连续性100%的resnet18人工智能模型进行电力工程施工数据融合,实现电力工程施工数据的深度关联,是电力企业转型发展的重要基础,能够为相关工程领域数据融合提供参考。

摘要：使用Pytorch框架搭建resnet18网络模型,优化网络参数和结构,基于深度学习的图像分类方法,通过数据清洗、图像数据预处理、数据加载、模型设计与搭建、进行不同周期的训练与测试,对模型进行评估,得到农作物病虫害10分类最佳模型和参数,并建立网络应用,进行农作物病虫害图片诊断和识别,最终应用于实际农作物病虫害种类的诊断中。

摘要：拇外翻产生各种疼痛以及不良症状,主要是由前足足底压力过高导致。临床医生往往通过主观判断结合影像学诊断足底压力异常。由于缺乏足底压力数据支持,医生诊断与实际病情可能不相符。使用高传感器密度的阵列式压阻传感器设计了足底压力采集系统,实现了足底压力的精准采集、实时显示与存储。引入局部压力峰值分布,辅助实现拇外翻患者病情精准评估。还通过resnet18对足底压力数据进行识别与分类,与现有6种算法相比,分类准确率提升1.1%。所提出的足部辅助诊断系统在影像学基础上通过阵列中的局部压力分布辅助医生进行主观诊断,对于手术与治疗方案的选择以及提升拇外翻判别准确度至关重要。

摘要：目的提出一种基于卷积神经网络的混凝土结构裂缝智能检测方法,实现高效准确的裂缝检测。方法以裂缝图像为分析对象,使用数据扩增和图像分割的方法处理混凝土结构原始裂缝图像,构建裂缝数据集;基于机器视觉理论搭建resnet18网络模型框架,通过学习率、批量大小、优化函数三个超参数对网络模型进行优化设计,进而使用不同的迁移学习方式训练网络,最后使用混淆矩阵对优化后的模型性能做进一步评判。结果实验结果表明,采用指数衰减式迁移学习方式、批量大小为64、优化函数为M_SGD时,搭建的网络在混凝土裂缝识别任务中准确率最高,达到了97.98%。结论优化后的resnet18网络提高了裂缝检测精度,具有良好的实用性能,并为网络参数的选择提供借鉴。

摘要：铁氧体磁瓦由于形状的不规则性和表面缺陷的多样性给基于计算机视觉的表面质量识别带来很大的挑战。针对该问题,将深度学习技术引入到磁瓦表面质量识别中,提出一种基于卷积神经网络的磁瓦表面质量识别系统。首先将磁瓦目标从采集到的图像中分割出来并进行旋转从而得到标准图像,然后把改进后的多尺度resnet18作为骨干网络来设计识别系统。训练时,设计一种新颖的类内mixup操作来提高系统对样本的泛化能力。为了更加贴近实际应用场景,在考虑到光线变化、姿态差异等因素的前提下构建了磁瓦缺陷数据集。在自建的数据集中进行实验的结果表明,该系统可以达到97.9%的识别准确率,为磁瓦缺陷的自动识别提供了可行的思路。