基于卷积神经网络LeNet-5的车牌字符识别研究

将卷积神经网络LeNet-5引入到车牌字符识别中。为了适应目前中国车牌字符识别的需要,对传统的卷积神经网络LeNet-5的结构进行了改进,主要是改变输出单元的个数与增加卷积层C5特征图的个数。研究结果表明,改进后的LeNet-5比传统的LeNet-5的识别率有所提高,识别率达到98.68%。另外,与BP神经网络进行了比较研究,从实验中可以看出在字符识别的正确率和识别速度上都优于BP神经网络。卷积神经网络在车牌识别中具有很好地应用前景。     

“计算机在材料科学中的应用” 课程教学内容设计

"计算机在材料科学中的应用"课程是为材料科学专业学生适应现代新材料研究而开设的一门重要专业基础课,我们在进行充分调研的基础上,结合本专业和现代计算机应用特点,对该课程的目标任务、性质、基本要求及课程内容进行了探讨.     

分治法解决空间最接近点对问题

使用分治法解决空间最接近点对问题，对合并的步骤加以改进，可以得到时间复杂度为0（nlogn）算法，在计算时可节省大量时间．     

帮扶——高校图书馆特色服务工作的新模式

以大理学院图书馆的实际工作经验为例,探讨了民族地区高校图书馆开展特色服务工作的问题。     

Improved Genetic Algorithm Application in Textile Defect Detection

Based on an efficient improved genetic algorithm, a pattern recognition approach is represented for textile defects inspection. An image process is developed to automatically detect the drawbacks on textile caused by three circumstances： break, dual, and jump of yams. By statistic method, some texture feature values of the image with defects points can be achieved. Therefore, the textile defects are classified properly. The advanced process of the defect image is done. Image segmentation is realized by an improved genetic algorithm to detect the defects. This method can be used to automatically classify and detect textile defects. According to different users＇ requirements, different types of textile material can be detected.     

Imitation of Fabric Flagging Based on Amplitude Modulation

A model-independent 3 - D texture synthesis ofphysical and stochastic algorithms, based on an amplitudemodulation method, is presented to realize 3 - D fabricdynamic simulation. The physical functions are built tosimulate fabric basic deformation. The stochasticfunctions, generated by Perlin noise, are used to simulatefabric natural motion in the wind. The two kinds offunctions are synthesized by method of amplitudemodulation. As the arithmetic uses stochastic functions instead of recursive algorithm, it is capable of simulating thefabric material, the wind force and direction in real-time.Given the fabric material and wind strength, thestochastic functions can be created to simulate fabricmotion in the wind and this model can be adjusted bycontrolling some certain parameters to achieve a goodsimulation effect. This method is conceptually intuitive,computationally fast and efficient. Furthermore, thecombination of fabric physical and statistic motioncharacteristics provides an attractive way to improve thedisplay effect and rate.     

高校图书馆开展竞争情报服务的必要性

竞争情报服务是图书馆开展信息服务的一个新热点.本文主要论述了高校图书馆开展竞争情报服务的必要性及其优势.     

一种道路裂缝检测的变尺度VS-UNet模型

为解决目前现有的图像分割算法存在检测精度低、对裂缝检测缺乏针对性等问题,采用多尺度特征融合方法,提出一种扩展LG Block模块Extend-LG Block,其由多个并行不同膨胀率的空洞卷积组成.通过参数可调节分支数量和空洞卷积膨胀率,从而改变其感受野大小,进而提取和融合不同尺度的裂缝特征.对比在深层使用多尺度特征融合模块的网络以及使用固定尺度结构进行多尺度特征融合的网络的优劣,提出一种变尺度结构的UNet模型VS-UNet,使用多个不同参数的Extend-LG Block替换UNet网络中的基本卷积块.该结构在网络浅层进行多尺度特征融合,多尺度特征融合模块提取的尺度随网络层加深逐渐减少.此结构在加强图像的细节特征提取能力的同时保持原有的抽象特征提取能力,还可避免网络参数的增加.在DeepCrack数据集以及CFD数据集上进行实验验证,结果表明,相较于其他两种结构和方法,提出的变尺度结构的网络在有更高检测精度的同时,在可视化实验对比上对各种大小的裂缝有更好的分割效果.最后与其他图像分割算法进行对比,各项指标与UNet相比均有一定程度提升,证明了网络改进的有效性.研究结果可为进一步提升道路裂缝检测效果提供参考.     

改进Faster R-CNN算法及其在车辆检测中的应用

为了更准确地得到符合车辆形态学特征的初始候选框,提出一种基于改进的Faster R-CNN模型的车辆检测算法.首先提取目标框的人工标注坐标值,得到标注框的宽度和高度,然后利用K-means算法对所有框的宽高值进行聚类,得出聚类中心点坐标值后,重新设置RPN的锚盒尺寸及比例,对Faster R-CNN算法的3种尺寸和3种比例加以改进.最后选择轿车、SUV、客车和货车4种车型车辆数据,对改进前后的Faster R-CNN模型进行训练,比较改进前后的模型在车辆检测及车型识别任务中的表现.实验结果表明,使用改进的Faster R-CNN模型达到86.54%的检测准确率,较原始模型提高3.12%.并且该模型有效解决了漏检和误检问题,在恶劣天气和复杂背景下均表现出较高的鲁棒性.