基于多任务压缩激发网络的行人属性识别

自然场景下的行人属性识别是一个具有挑战性的研究课题,存在行人属性类别多样、行人视角和分辨率多样、样本不平衡等诸多难点,致使难以有效建模。为克服上述难点,本文提出基于多任务压缩激发(Squeeze-and-Excitation, SE)网络的行人属性识别方法,通过多任务卷积神经网络、联合压缩激发模块与残差模块、焦点损失函数三方面改进,研究了自然场景下行人属性识别效果提升的不同方式。结果表明,本文的方法相比基线模型在Market-1501数据集和DukeMTMC-reID数据集上的准确率和效率均有提升。可见,本文的方法具有普遍有效性。     

一种小型模块化球形探测机器人系统设计实现

搜救、安保等领域探测设备一般较为笨重,使用不便。提出了一种创新结构的小型模块化球形探测机器人系统,体积小巧、使用灵活,可通过磁力连接固定装置,将核心模块与机动模块快速组合,满足不同场景的探测任务需要。机器人系统通过鱼眼摄像头、高清摄像头等传感器进行环境感知,以树莓派及英特尔神经计算棒进行低功耗嵌入式计算,能够实现图像的实时处理和复杂场景下的多目标检测。通过原理样机实验,证明了所提出机械、电气设计和基于深度学习的目标识别方法的可行性和有效性。