摘要：针对目前行人多属性识别算法识别精度不高的问题,利用行人属性之间的内在关联关系,基于“特征提取+回归”的思想,提出了一种基于深度卷积神经网络的行人多属性协同识别方法。该方法首先对多个行人属性标签进行组合编码,得到一个标签组合向量;然后采用基于通道注意力机制的resnet50作为主干网络提取行人图像的深度特征;最后,设计了一个包含3个全连接层的神经网络结构来建立标签组合向量与行人深度特征之间的映射模型,在一个统一的网络框架下就可以同时对行人的多种属性进行准确识别。在行人属性公共数据集PETA和RAP上的实验结果表明,采用提出的识别方法在公共数据集PETA上获得的识别准确率为84.08%,而在公共数据集RAP上可以获得高达88.12%的识别准确率。

摘要：黑色素瘤的早期诊断对提高患者的五年生存率至关重要。针对临床上使用皮肤镜检查黑色素瘤费时、费力的问题,提出一种基于迁移学习和改进的resnet50模型的黑色素瘤分类模型MC-Net(Melanoma Classification-Net)。首先,为了降低数据集样本分布不均匀以及毛发遮挡信息带来的影响,进行数据增强;对resnet50的输入主干重新进行了设计,用常规卷积和深度可分离卷积的组合代替原来的7×7大卷积核;对残差块进行了优化,使用GELU函数替代ReLU函数,并将特征相加后的激活层移到残差块内部,同时去除了部分BN层和激活层;向网络中添加CA注意力机制,使得网络更加关注目标的关键信息,从而抑制其他无用信息;结合迁移学习,利用在ImageNet上预训练权重初始化网络并在数据集上进行微调训练,得到最终黑色素瘤分类模型。实验结果表明,所改进的结构对模型性能提升具有显著效果,MC-Net模型在准确率和F1指标上达到94.87%和95.01%,经过迁移学习得到的最终分类模型在数据集上进行测试,获得了95.4%的准确率和95.6%的F1值,均优于其他网络。

摘要：基于IoU网络提出一种IT-AWCR(IoU network tracking with adaptive weighted characteristic responses)目标跟踪算法.首先,根据目标运动速度设计目标搜索区域确定策略,通过理论分析使用resnet50的block 3、block 4卷积块的输出分别作为目标的浅层和深层特征表示;然后,以目标定位准确度和滤波模型抗干扰能力为评价指标,通过优化算法自适应计算目标深、浅特征响应加权权重,从加权融合响应中获取目标粗略位置和边界框,经扰动操作获取多个候选边界框输入IoU调制-预测网络预测IoU值,取最大IoU对应边界框为最终预测目标边界框;最后,根据训练样本的相关学习权重和样本间相似度更新生成样本集,基于样本集采用稀疏优化策略实现滤波模型更新.OTB2015和VOT2018数据集上的实验结果验证了所提出算法的有效性.

摘要：针对碳酸盐岩微相分析受人工鉴定经验性和主观性影响,使得传统方法难以准确、客观判识颗粒类型等问题。由此,本文作者提出一种基于深度学习的碳酸盐岩颗粒显微图像识别方法,并以resnet50为基础网络框架,通过制作数据集、训练模型、预测分类等步骤,设计了一个碳酸盐岩主要颗粒类型自动分类识别模型。利用该模型对生物碎屑、内碎屑、包粒、球粒和团块5种颗粒进行分类识别,再采用混淆矩阵进行评价,结果显示识别准确率达到95%。不仅为碳酸盐岩微相分析提供了新方法,也为深度学习应用于实际碳酸盐岩颗粒分类识别提供了可行性论证,具有一定的实用价值。

摘要：为了帮助养猪场实现猪只精准管理,应用深度学习技术设计了一款猪脸识别APP。利用resnet50神经网络模型对照片进行训练与预测,并以MUI框架和Django框架为依托开发APP。实验结果表明,在resnet50模型基础上优化后的网络,对猪的面部照片有着较高的识别率。

摘要：针对现今的智能垃圾桶使用方法大都无法应用在列车的问题,提出了一种基于迁移学习方法的智能垃圾分类方法.首先建立了12种列车常见垃圾数据集,并应用迁移学习resnet50模型进行模型设计与参数设计,给出了模型的准确率与模型收敛速度曲线,并与Inception-V3模型进行了对比实验,实验结果表明resnet50模型有更好的识别效果.最后通过PyQt5编写GUI仿真系统,实现了基本的拍照与分类识别功能.

摘要：垃圾分类对于我们日常生活来说意义重大,它不仅体现的是环境问题,更是资源的节约和绿色的生活方式,更加代表和体现了社会的文明水平,我国各地近些年也相继推行了垃圾分类的政策。2020年,新冠疫情席卷全球,对我们的日常生活造成了非常大的冲击,病毒与细菌的感染不只是通过呼吸,而且可以通过间接的接触来传染,这就要求了我们在生活中应该尽量避免去接触公共的设施和物品,而垃圾回收点恰恰是人员来往较多,很容易造成接触感染。对此,设计了一种疫情之下的垃圾智能分类与识别系统。设计的总体思想是采用Arm公司的EAIDK-310开发板,同时配备罗技C270摄像头采集装置对实际生活中的常见垃圾进行识别与分类,然后通过摄像头采集装置采集到垃圾的图像,结合深度学习模型自动检测、识别垃圾的类别,从而可以根据类别直接进行垃圾的分类丢弃。模型是基于YOLOv3在复杂环境下垃圾检测的基础上完成,构建resnet50网络,对垃圾的类别进行训练并识别。通过该智能垃圾分类系统,可以提高投放垃圾效率,大大减少人员在垃圾站附近的聚集并做到无接触的垃圾丢弃,从而能够有效避免因为接触而造成的交叉感染的风险,符合当下疫情期间的社会需求。

摘要：针对当前城市生活垃圾存在的处理设备速度较低和成本过高不能满足市场需求的问题,设计一套不同于机械臂的流水线拨杆式可回收物智能分拣系统。该系统包括硬件系统、控制系统以及图像识别部分,控制系统中采用实时操作系统FreeRTOS(free real time operating system),研究多步进电机多任务同步控制算法,保证分拣任务的及时性和有效性;图像识别系统基于50层的残差网络(residual network 50,resnet50),引入伽玛(Gamma)校正图像预处理算法,对Softmax函数进行改进,有效降低物品分类的误检率。搭建实物平台实验,其结果表明,改进的分拣系统能有效进行分拣操作,较其它可回收物分拣系统有一定提高,系统鲁棒性较好。

摘要：本文提出了一种采用IMX219 CMOS高分辨率摄像头为图像获取设备,MIPI CSI-2高带宽图像接口作为数据传输设备,同时采用小型高性能开发平台进行图像采集、缓存与数据传输,而后采用改进的resnet50模型进行训练,具有检测速度快、计算量小等特点。

摘要：针对因行人图像背景差异大、人体外观相似导致的行人再识别准确率低的问题,提出了一种利用特征融合与多尺度信息的行人重识别方法。首先,通过resnet50_IBN提取人体图像全局特征图。其次,设计分支结构,第1分支利用空间变换网络对全局特征图进行自适应的空间特征对齐,水平切分全局特征图得到局部特征,采用全局特征与每个局部特征分别融合的方式来挖掘特征之间的关联关系。第2分支增加了4种不同尺度的卷积层提取全局图像的多尺度特征。最后,在推理阶段将第1分支和第2分支的特征进行通道维度的串联,作为行人的对比特征。通过在Market-1501、DukeMTMC数据集上的实验表明,所提方法与AlignedReID和EA-Net等特征对齐和局部特征提取方法相比具备更强的性能,在Market-1501上,mAP和Rank-1分别达到了86.77%和94.83%。