基于特征融合SSD的微电连接器缺陷检测

提出基于多尺度特征融合单次多框检测器(SSD)算法,对微精密玻璃封装电连接器的缺陷进行检测．针对SSD算法在背景复杂、噪声干扰多、目标特征微弱环境下,特征提取能力弱、检测精度低的问题,在主干网络加入深度残差结构,丰富细节信息;针对在卷积网络中关键信息逐步丢失问题,提出了自顶向下的多尺度特征融合方法将含有上下文信息的高语义层与含有位置信息的低层特征进行融合,使得融合后的特征层包含丰富的边界信息和背景信息;在此基础上,构建了一种轻量级的通道注意力模块,增强SSD算法对特征层重要特征的提取并弱化无关特征,从而提高SSD网络的特征提取能力．实验结果表明：改进算法相对于原始的SSD算法,精度由86.42%提高到了91.28%.     

嵌入式Linux图形用户界面实现

采用对轻量级图形库DirectFB封装的方法，基于分层体系结构设计了一个高效且易于开发的嵌入式GUI系统DfbGUI，并详细介绍了DfbGUI的关键部分封装层的实现．测试结果表明，与现有的嵌入式GUI系统相比．DfbGUI系统资源占用率低、处理效率高，较适合于嵌入式应用．     

浅析J2EE应用的快速原型开发

介绍了J2EE应用的快速原型开发的过程和方法,具体地研究了它的主要性质.该开发方法结合企业应用和分布式应用的主流平台J2EE的体系优势,融合了RUP等先进的开发过程思想,继承了传统开发方法的优良性质,具有突出的应用特性.     

基于轻量级框架构建数字图书馆培训系统

传统的J2EE设计思路尤其是复杂的EJB技术,虽然很好地解决了一些问题,但在许多情况下也增添了比其商业价值更大的复杂性.为此,在研究分析EJB可替代技术基础上提出用更清晰、更高效的Struts+H iber-nate+Spring框架来构建一个数字图书馆培训系统.     

基于JAVA的IOC/DI框架的设计与实现

本文阐述一个IOC/DI框架的设计与实现，本框架是一个可复用的设计构件，是一种多层的J2EE应用程序框架，其核心就是提供一种新的机制管理业务对象及其依赖关系，可以有效的降低软件开发问题的复杂度。     

一种基于卷积神经网络的胎儿头围自动测量方法

在产前超声筛查过程中,为了能够帮助医生在丘脑标准平面上快速、精确地测量胎儿头围,提出一种新颖的双分支卷积神经网络直接分割胎儿颅骨边界,2个分支通过共享层相互促进,有效地提高了颅骨边界的分割精度,特别对局部不清晰或者不连续的边界仍然有着较好的分割效果,具有较高的鲁棒性.本方法的测量过程不需要过多的后处理操作,并且模型属于轻量级网络,便于部署.该方法应用在Grand-Challenge中的HC18数据集及从医院采集的300例数据上,均取得了较好的结果,对比其他主流分割网络如U-Net, Res-U-Net, U-Net++,CE-Net等,所提方法具有更高的分割精度及更小的测量误差.     

基于无锚的轻量化孪生网络目标跟踪算法

针对运算资源受限条件下难以实现高精度、高帧率跟踪的问题,提出一种基于无锚的轻量化孪生网络目标跟踪算法.首先使用修改的轻量级网络MobileNetV3作为主干网络提取特征,在保持深度特征表达能力的同时减小网络的参数量和计算量;然后对传统互相关操作,提出图级联优化的深度互相关模块,通过丰富特征响应图突出目标特征重要信息;最后在无锚分类回归预测网络中,采用特征共享方式减少参数量和计算量以提升跟踪速度.在两个主流数据集OTB2015和VOT2018上进行对比实验,实验结果表明,该算法相比于SiamFC跟踪器有较大的精度优势,并且在复杂跟踪场景下更具鲁棒性,同时跟踪帧率可达175帧/s.     

基于深度学习的多模态行人检测算法

针对全天候工作的多模态行人检测算法体积大、运算量高、效率不足的问题,提出一种基于深度学习MBNet算法搭建的轻量级多模态行人检测算法(G-MBNet)。采用ResNet18算法并结合跨阶段链接的思想搭建CSP-ResNet18轻量级特征提取网络,以保证检测算法精度;引入轻量级高效通道注意力(ECA)模块来提升特征提取网络对重要特征的关注能力,在引入极少参数的情况下提升算法的检测精度;通过引入轻量级Ghost卷积模块来重构MBNet算法的特征提取网络,在保证特征提取性能的情况下进一步降低算法的参数与体积,提升算法的检测速度。采用所提的G-MBNet算法在KAIST行人数据集进行测试,实验结果表明：G-MBNet算法大小是原始算法的32.33%,参数量是原始算法的37.81%,检测速度是原始算法的1.53倍;G-MBNet算法可在保证行人识别精度的情况下有效提升检测速度。     

基于改进的轻量级YOLOv3的交通信号灯检测与识别

交通信号灯的准确检测与识别可以提高驾驶的安全性,减少交通事故的发生.为了提高移动端识别的准确率和速度,提出一种改进的轻量级YOLOv3模型实现交通信号灯的检测与识别.首先,采用轻量级的ShuffleNetv2网络替换YOLOv3的主干网络DarkNet53,实现交通信号灯的快速检测与识别;接着,融合ShuffleNet...