基于深度学习和特征点数量的人数统计方法

为解决动态场景下不同密度人群的高精度人数统计问题,结合直接检测和回归方法的特点,构建了基于深度学习和特征点数量的人数统计方法。该方法引用基于深度学习的检测和语义分割的方法,检测出图片中人群位置,使用迪里赫雷特混合模型将检测结果聚类,采用基于特征点的方法统计人群数量。在低密度数据段采用低通滤波器的方法平滑平均数据,高密度数据段则设计了聚合三帧预计数结果与帧内检测框平均置信度的数据融合方法融合数据。实验证明,该方法在动态场景人群密度变化的情况下能更准确地统计人数。     

自动驾驶中基于深度学习的3D目标检测方法综述

随着激光雷达传感器和深度学习技术的快速发展,针对自动驾驶3D目标检测算法的研究呈现爆发式增长。为了探究3D目标检测技术的发展和演变,对该领域中基于深度学习的3D检测算法进行了综述。根据车载传感器的不同,将当前基于深度学习的自动驾驶3D目标检测算法分为基于相机RGB图像、基于激光雷达点云、基于RGB图像–激光雷达点云融合的3D目标检测3种类型。在此基础上,分析了各类算法的技术原理及其发展历程,并根据平均检测精度（mAP）指标,对比了它们的性能差异与模型优缺点。最后,总结和展望了当前自动驾驶3D目标检测中仍然面临的技术挑战及未来发展趋势。     

利用同伦正则化方法建立新的深度学习的稀疏自编码模型

大数据是继云计算、物联网之后IT产业又一次颠覆性的技术革命,而深度学习推动了"大数据+深度模型"时代的来临。本文是基于深度学习的稀疏自编码模型,把数理方程反问题中的新思想——同伦正则化的思想应用到该种模型中,将正则化参数的取值范围由无限区间(0,∞)改进为有限区间(0,1),建立了一种新的深度学习的稀疏自编码模型。该模型与原模型相比较,实验设计简单,模型的正则化参数更加容易优化。     

基于改进的Cifar-10深度学习模型的金钱豹个体识别研究

将深度学习方法首次应用到金钱豹个体识别研究中,通过对山西沃成生态环境研究所2010-2016年的金钱豹影像数据进行清洗及预处理,得到训练图片540张,测试图片110张。基于Cifar-10深度学习模型,使用"Dropout"防止模型训练结果过拟合,采用多种池化方式组合训练,得到较优的金钱豹个体识别深度学习模型。最终得到的深度学习模型的识别准确率可以达到99.3%,能够有效地识别金钱豹个体。     

基于深度学习的人脸识别方法研究综述

针对基于深度学习的人脸识别这一生物特征识别领域的研究热点进行了综述.阐释了人脸识别及深度学习模型的基本结构;总结了该技术在国内外的研究现状及其应用,如基于卷积神经网络(CNN)的人脸识别方法、深度非线性人脸形状提取方法、基于深度学习的人脸姿态鲁棒性建模、有约束环境中的全自动人脸识别、基于深度学习的视频监控下的人脸识别、基于深度学习的低分辨率人脸识别以及其他基于深度学习的人脸信息的识别等;分析了当前人脸识别技术在深度学习应用中存在的问题及发展趋势.     

关于男生在初中阶段英语学习上的优劣及其对策

针对目前初中阶段的英语学习中普遍存在"阴盛阳衰"的现象,即很多男生缺乏对英语学习的兴趣和信心,本文作者进行了问卷调查,根据调查结果,通过男生在语言学习上表现出的"特殊之处",结合青春期男生性格特征的分析,深度剖析了造成男生英语学习中的"畏难"背后的各种原因。在本文的后半部分,作者结合自己大量的教学实践和比对观察,尝试了各种有效改善男生课堂参与度的方法,从而将研究分析后得出的结论应用到实际的教学过程中去。     

基于深度学习的大学英语“iSmart+线下课堂”教学研究

深度学习在教育改革中脱颖而出,成为当前热门话题,而技术的发展也使得一些新的网络学习平台应运而生。本文在分析深度学习、i Smart以及线下课堂的基础上,分析"iSmart+线下课堂"教学模式的优势,构建深度学习基础上的"iSmart+线下课堂"教学模式,并对这种模式的创新点进行说明,旨在为大学英语教学模式的改革提供一些线索。     

基于深度学习的人脸分析研究进展

近年来,基于深度学习的人脸分析取得了巨大的进步,成为计算机视觉领域最为活跃的研究方向之一.为了进一步推动深度学习和人脸分析的研究,结合近年已发表的相关文献,对基于深度学习的人脸分析技术进行综述.首先,简要概述深度学习及其发展历史,并分析深度学习有效性原因.然后,按照任务目的的不同,将人脸分析分成了人脸检测、人脸关键点检测、人脸识别、人脸属性识别等任务进行详细的介绍和讨论,重点分析各种任务现阶段存在的主要问题.接着,介绍人脸分析中常用的人脸数据库.最后,讨论深度学习和人脸分析面临的主要挑战,并给出结论.     

好奇心驱动的深度强化学习机器人路径规划算法

针对采用深度强化学习算法实现机器人路径规划任务中,训练前期随机性高导致奖励难获取问题,提出内在好奇心驱动的深度确定性策略梯度算法对连续型动作输出的端到端机器人路径规划进行研究。将环境获取的感知信息作为输入状态,输出机器人动作(线速度、角速度)的连续型控制量,在Gazebo仿真平台进行训练并验证。实验结果表明,基于内在好奇心驱动的深度确定性策略梯度路径规划算法可以较好地实现端到端的机器人路径规划,并且有利于解决训练前期奖励难获取问题,与离散型动作输出的深度Q学习网络模型进行了对比分析,结果表明本文算法决策控制效果更优越。在真实环境中进行了验证,在静态障碍和动态障碍的场景下,所提出算法可成功到达目标点。     

基于深度学习的计算机网络原理混合教学设计

为解决学生学习计算机网络原理课程过程中学习深度不足,理论知识不够扎实,无法将学习内容灵活运用到实际工作中的问题,以深度学习和混合学习相关理论为指导,设计了基于深度学习的计算机网络原理课程混合教学方式.通过分析学生就业后工作的主要内容倒推教学内容并重新组织知识点,构建了基于翻转课堂的计算机网络原理课程教学模型.采用双角度四向评价体系对教学进行全面客观的反馈,最后进行了对比教学实验.实验结果表明,该文设计的教学方式比传统教学方式教学效率更高,学习效果更好.     

药物表示学习研究进展

药物开发过程存在资本密度高、风险大、周期长的特点,需要投入大量的资金、人力与物力。传统的机器学习方法虽然可以在一定程度上辅助药物开发,但需要分子描述符作为特征输入,而不同的分子描述符的选择对机器学习模型的性能影响较大,因此传统的机器学习方法大多需要进行繁复、耗时的特征工程。近年新兴的深度学习方法,能够从药物的"原始"结构中直接提取特征,从而绕开特征工程,缩短开发周期。该文将现有的药物表示学习方法划分为2类:基于简化分子线性输入规范(SMILES)表达式的药物表示学习和基于分子图的药物表示学习,报告了这两类药物表示学习方法的最新研究进展,阐述了各种方法的创新点与局限性。最后,指出了当前药物表示学习研究中存在的重大挑战,并讨论了可能的解决方案。     

基于深度展开的SAR大斜视RD成像算法

大斜视角条件下的合成孔径雷达SAR回波信号具有方位向和距离向严重耦合、大距离徙动等特点,采用常规的距离多普勒RD算法成像,会引起方位向的散焦以及空变等问题。为了改善大斜视SAR在成像过程中存在的问题,提出了一种基于深度展开网络的SAR大斜视可学习距离多普勒成像方法。该方法将RD成像方法与深度学习结合,利用RD成像的步骤构建了基于深度展开网络的RD学习成像网络结构,将回波数据作为网络输入来学习回波数据到大斜视SAR图像的成像过程。首先,在分析大斜视SAR回波信号模型的基础上确定了网络成像过程中的可学习参数;其次,根据成像过程设计大斜视SAR成像网络;最后,通过非监督训练的方法对网络进行训练,最终输出学习成像结果。点目标和面目标仿真结果表明,该方法可以有效抑制旁瓣,提高成像精度和计算效率,满足SAR在大斜视角下的成像要求。     

深度学习下的快速SAR图像目标检测

针对合成孔径雷达图像目标检测困难以及深度学习中锚框机制所引起的计算冗余和应用场景受限问题,提出了一种基于无锚框机制的中心点、尺度和旋转角度预测网络,将目标检测转化为中心点估计问题,并直接预测相应边框的宽度、高度以及旋转角度等要素,实现多场景、多类型目标定向检测.该算法利用ResNet 101的U型结构和注意力模块提取图...     

基于深度学习的无线物理层关键技术研究综述

目前深度学习在通信系统的上层中得到了广泛应用,随着技术不断发展,深度学习正在向通信系统的底层推进。为解决传统算法计算效率低、复杂度高等问题,深度学习已经被应用到无线通信物理层关键技术中。对深度学习在无线通信物理层关键技术中的应用进行了综述性讨论,包括深度学习定义、深度学习神经网络介绍、基于深度学习的无线物理层关键技术等。分析表明,深度学习与无线通信系统之间存在结合点,在传统的通信模块或算法中加入用深度学习训练的可学习的参数是当前比较具有竞争力的一种设计方案,有必要对此进行深入研究。     

胶囊网络下基于三元损失的图像相似性学习

学习细粒度图像相似性是机器学习中一项富有挑战性的任务,尤其是相似性很高的同类图像.本文提出了基于三元损失函数和胶囊网络的图像相似性学习方法,三元损失能够反映图像之间的"相对"相似性,而胶囊网络比普通深度学习网络具有更优的图像特征提取能力,将两者有机结合在一起形成的新型网络能够很好地完成图像相似度的学习任务.实验结果表明,本文提出的新方法相比于一般的深度学习方法,准确率有很大地提高.     

基于深度学习的行人重识别研究综述

由于视角、背景、光照条件和相互遮挡等因素的变化,行人重识别是一个具有挑战性的问题.近年来,许多研究者将深度学习的方法引入到行人重识别研究中,并获得了较好的重识别结果.本文介绍了基于深度学习的行人重识别的主要研究方法(局部特征学习、距离度量学习、基于视频序列学习和生成对抗网络),并介绍目前常用的用于深度学习的行人重识别数据集(Duke MTMC-reID、CUHK03和Market1501)及其存在的问题,同时,对行人重识别提出了自己的理解和观点.最后指出了未来可能的研究方向.     

特例引路巧解“动点问题”

动点问题在初中数学中占有重要位置,它的特点是图形中的某个点按某种规律在运动.点的运动会使几何图形不断随之变化,同学们在解题时,不要被动所迷惑,要在动中求静,不妨把动点     

基于深度学习的隐私保护型分布式人脸识别系统

基于深度学习的分布式人脸识别系统(Distributed Face Recognition System,DFRS)与安全计算的结合存在相容性问题和性能问题.相容性问题表现为深度学习中非线性函数和安全计算所支持的运算类型之间存在差异;性能问题表现为低效的安全计算与高开销的深度学习的结合将会导致DFRS的过长响应时间.针对相容性问题,考虑到非线性,提出基于混淆电路与深度学习相结合的隐私保护型DFRS设计方案,从而解决运算相容问题;针对性能问题,提出体系结构的改造方案.将深度学习的网络层拆分为两部分,将计算量较大的部分以高效的明文计算形式部署在客户端以提升DFRS效率.理论分析表明,新方案兼备非线性计算与安全性保护的功能优势.原型实验表明,新的体系结构使得系统的消息复杂度从近1 998.206 MB减少到近60.591 MB,纯计算耗时从17.742 s降低到0.644 s,100 MB带宽下系统响应时间从177.125 s降至5.751 s.     

基于深度学习的复杂系统仿人思维控制研究

复杂系统有多个输入、输出,输入、输出量之间一般存在耦合关系,对一些复杂的过程控制系统难以建立数学模型,控制相对复杂.现有控制理论解决复杂系统控制问题,仍然存在不足.仿人思维控制是基于人控制思维和控制智慧的控制方法,它的最大特点是在控制过程中能够实时挖掘控制经验与技巧.深度学习网络可以实现类似人脑边学习、边积累经验功能,将仿人思维控制机理与深度学习网络结合,提出仿人思维深度学习控制网络,用于解决复杂系统控制问题.实验结果表明,仿人思维深度学习控制网络取得良好的控制效果.     

基于特征融合的深度学习点云补全算法

由于激光雷达等三维扫描设备分辨率限制、目标间的相互遮挡以及目标表面材质透明等问题,采集到的三维点云数据往往是不完整的.近年来,以数据驱动为主的深度学习方法逐渐被用于解决点云补全问题,然而,现有的点云补全算法致力于补全出原始目标点云的整体拓扑结构而忽略了对于目标点云局部细节位置的恢复.针对这一问题,提出了一种基于特征融合...