摘要:选择题型机器阅读理解的答案候选项往往不是直接从文章中抽取的文本片段，而是对文章内容中相关片段的归纳总结、文本改写或知识推理，因此选择题型机器阅读理解的问题通常需要从给定的文本中甚至需要利用外部知识辅助进行答案推理.目前选择题型机器阅读理解模型大多数方法是采用深度学习方法，利用注意力机制对文章、问题和候选项这三者的信息进行细致交互，从而得到融合三者信息的表示进而用于答案的预测.这种方式只能利用给定的文本进行回答，缺乏融入外部知识辅助，因而无法处理需外部知识辅助推理的问题.为了解决需外部知识辅助推理的问题，本文提出了一个采用外部知识辅助多步推理的选择题型机器阅读理解模型，该模型首先利用注意力机制对文章、问题和候选项及与这三者相关的外部知识进行信息交互建模，然后采用多步推理机制对信息交互建模结果进行多步推理并预测答案.本文在2018年国际语义测评竞赛（SemEval）中任务11的数据集MCScript上进行对比实验，实验结果表明本文提出的方法有助于提高需要外部知识辅助的选择题型问题的准确率.

摘要:本文提出了一种新的混合进化算法求解具有线性恶化的并行机调度问题，目标是使总完工时间最小.该算法采用对立策略以及最小比率优先规则生成初始种群，并且引入种群多样度指标加快算法的收敛；同时加入含有3-opt扰动算子的变邻域搜索算法对遗传算法得到的结果进行局部搜索.通过对不同规模算例的实验进行仿真，其结果与传统GA和VNS算法相比，效果均有所提升.

摘要:组合预测模型的权重确定方式对于提高模型精度至关重要，为研究正则化与交叉验证是否能改善组合预测模型的预测效果，提出将正则化和交叉验证应用于基于最小二乘法的组合预测模型.通过在组合模型的最优化求解中分别加入L₁、L₂范数正则化项，并对数据集进行留一交叉验证后发现：L₁、L₂范数正则化都对组合模型的预测精度具有改善效果，且L₁范数正则化比L₂范数正则化对组合预测模型的改善效果更好，并且参与组合预测的单项预测模型越多，正则化的改善效果越好，交叉验证对组合预测模型的改善效果则与给定实验数据量呈现正相关.

摘要:针对目标快速移动和遮挡情况导致的客流统计存在误差的问题，设计目标的检测、跟踪、进门行为判断等策略，提出基于深度学习的餐饮业客流统计方法.首先，通过多数据集对YOLOv3-tiny模型进行训练，实现对于小目标的准确检测；进而设计多通道特征融合的目标跟踪算法，完成目标快速移动情况下的稳定跟踪；最后设计目标进门行为的判断方法，通过重叠率对目标的进门行为进行判断，实现对进门客流量的准确统计.最终通过实验验证，客流量统计的平均准确率达到93.5%.

摘要:螺纹钢是一种广泛应用的建筑材料，在轧制过程中如果不能及时发现其尺寸和表面缺陷，就会生产出大量废品，给企业带来损失.本文设计了一种基于视觉的螺纹钢表面缺陷检测方法.先利用仿射变换对图像中歪斜的螺纹钢进行校正，然后基于霍夫变换检测纵肋边缘直线位置的方法对螺纹钢正面、侧面图像进行区分.最后针对正面、侧面图像分别进行缺陷检测，快速准确地判别表面是否存在缺陷.实验表明所设计的方法具有较好的稳定性和实用性，能有效地解决人工检测过程中效率低、误检率高等问题.

摘要:为解决在嵌入式设备上实时、高精度检测司机安全驾驶监督的问题，本文基于目标检测中经典的深度学习神经网络YOLOv3-tiny，运用通道剪枝技术成功在目标检测任务中实现了模型压缩，在精度不变的情况下减少了改进后神经网络的计算总量和参数总数.并基于NVIDIA的推理框架TensorRT进行了模型层级融合和半精度加速，部署加速后的模型.实验结果表明，加速模型的推理速度约为原模型的2倍，参数体积缩小一半，精度无损失，实现了高精度下实时检测的目的.

摘要:脑卒中、脊髓损伤、下肢退行性关节疾病等神经系统疾病会导致肢体功能障碍，需要进行有针对性和重复性的训练.本文设计了一款可以切换坐、立、躺三种模式的轮椅式下肢康复机器人，在机器人站立姿态的主动步行训练模式下，解算人体前进速度映射轮椅式底盘电机速度，实现了下肢功能障碍患者步态训练与机器人轮椅式车体的协调控制.实验结果表明，下肢外骨骼行走的速度曲线和轮椅式车体的速度曲线基本一致，实现人与机器人的协调控制.

摘要:对轻量级技术的Docker技术进行了概述，针对Docker1.13+版本基于龙芯平台进行了移植并集成到Fedora28系统中，制作测试镜像对新版本Docker方案进行了性能测试分析，剖析了不同容器数量下的性能变化趋势和容器的性能瓶颈.通过龙芯单路、双路、四路服务器和AMD Ryzen5（2400 GB）主机进行了容器内的性能对比测试实验，肯定了龙芯平台上的新版Docker方案的稳定性，并分析了龙芯3A3000芯片与Ryzen5（2400 GB）芯片相近主频下的性能差异，展望了国产CPU芯片事业的发展前景.

摘要:中尺度涡是海洋中一种特殊的中尺度现象，对人类活动和海洋科学有着重要意义.海洋物理中对中尺度涡的检测通常依赖由专家预定义或调整的参数，无法保证准确度；或者对全部海洋数据逐点扫描判断，耗时较长.此外，中尺度涡的时空统计数据繁杂，整理和分析工作量巨大且无法较好展示相关信息.本文提出了一种基于深度学习目标检测的海洋中尺度涡检测算法，可达到较高的识别精确率和查全率，避免了阈值选取对中尺度涡检测的影响，大大提高了检测速度；并设计中尺度涡时空特征及海洋信息协同可视化系统，对中尺度涡进行交互式展示和分析，满足对涡旋的统计信息、特征分布和属性关联进行洞察、说明和相关性分析的需求.

摘要:分布式集群环境使得数据实时计算更为复杂，流式大数据处理系统的正确性难以保障.现有的大数据基准测试框架可以测试流式大数据处理系统的性能表现，但是普遍存在应用场景设计简单、评价指标不充分等不足.针对这一挑战，本文构造了一个面向股票交易场景的流式大数据基准测试框架，通过生成股票高频交易数据，测试系统在高流速场景下的延迟、吞吐量、GC时间、CPU资源等的性能表现.同时，通过横向测试验证流式大数据系统的扩展性.本文以Apache Spark Streaming为待测系统进行测试，实验结果表明，高流速场景下出现延迟增加、GC时间提高等性能下降问题，原因是系统输入速率的提高及并行度的增加.

摘要:现有的网络管理软件多用C++开发，服务之间相互依赖较为严重，而运维管理软件多使用Java开发.为实现网管服务和运维服务统一管理，本文提出了一种基于ServiceComb微服务架构开发微服务底座，统一管理多语言应用服务的解决方案.系统使用服务底座的方式实现不同语言服务的统一接入管理，通过实践证明该系统能够兼容两种不同语言的服务，满足对不同语言服务的监控和管理.

摘要:针对雷达业务应用广泛、数据上传要求严格，而雷达系统无人值守的现状，设计开发了雷达远程监控系统，采用ZigBee通信方式实现监控组网通信，利用LINQ技术、Entity Framework技术、多线程编程技术编写数据采集处理和控制软件.通过设计软硬件结合的雷达远程监控系统，达到了智能监控、实时预警、及时处理的目的.

摘要:随着外包计算服务的快速发展，云计算吸引了越来越多的个人和企业使用外包服务提供商的服务.而雾计算进一步将云计算扩展到网络边缘，在雾计算中，用户由于受计算资源的约束，所以将计算任务外包给雾节点.然而，用户和雾计算节点之间的相互不信任，将会导致公平支付的问题.现有的大多数解决方案采用的是传统的支付机制，需要依赖银行来实现支付.为了实现外包服务的公平支付问题，本文提出了基于区块链的外包服务公平支付方案，通过区块链智能合约支付报酬.同时本文提出的方案可以确保如果雾计算节点完成了计算任务，则用户必须支付报酬给雾计算节点.而如果雾计算节点没有完成计算任务，则用户可以获得赔偿.系统分析表明本方案实现了外包服务的正确性和公平性，并且其消耗在可接受范围内.

摘要:大气数据的采集对于小型无人旋翼机飞行的控制具有关键性的作用，针对小型无人旋翼机的飞行控制需求，利用数字式MEMS传感器和TMS320F28335芯片设计了一种装载于小型无人旋翼机上双采集装置的大气数据采集系统.通过传感器采集数据，实时解算出控制无人旋翼机飞行所需要的空速等数值，同时采用线性插值等算法来提高计算性能.该系统体积小，功耗低，抗干扰能力强等优点，能够满足小型无人旋翼机的需求，为小型无人旋翼机数据采集系统在实际中的应用做了一定的理论工作.

摘要:本文基于激光扫描仪设计了一套体积测量系统，用于物流行业测量货物的体积.系统由二维激光雷达、伺服电机、电机控制单元、数据采集与处理单元及其他机械装置组成；数据采集与处理单元运用了离散积分运算处理三维点云信息，进行物体体积计算；多媒体定时器的应用使得数据采集、数据处理和命令响应能够协调运行.实验表明，该系统在距离物体摆放平面5至6 m的位置，以约0.5 m/s的速度完成对被测物体体积的扫描，整体误差可以控制在5%以下.该系统适用性强，可以测量扫描区域中所有物体的体积，具有广泛的应用前景.

摘要:信息化和智能化是今后猪养殖产业的主要发展模式，为实现智能化识别猪的行为活动，从而监测猪的健康和生长情况，提出了一种基于机器视觉技术的无接触识别猪行为活动系统.该系统通过CCD相机采集猪行为活动序列图像，利用卷积神经网络提取图像深度特征，再使用特征融合方法融合图像深度特征，最后根据融合的深度特征识别序列图像中猪的行为活动.该系统能高精度识别自然场景下拍摄的猪的运动行为、跛足行为、伏地行为、呼吸行为、饮食行为和排泄行为等活动，对各类行为的识别准确率均在94%以上，均高于现有方法或与现有方法识别准确率相当.

摘要:针对轨迹规划时采用首尾速度为零的加减速控制方法中存在的频繁启停，以及末端执行器在插补过程中加速度过渡不平滑等问题，提出了一种基于非对称S形加减速控制的多轨迹段平滑过渡的前瞻插补算法.该算法在相邻轨迹段间采用圆弧模型对衔接拐角处平滑过渡，在给定轨迹衔接点坐标和过渡圆弧半径等参数的情况下，规划出衔接圆弧处的最优速度.对插补算法中归一化因子的求解，采用一种新型柔性加减速控制算法，该算法由余弦加减速曲线在直线形加减速曲线上拟合而成，减少了余弦加减速算法的运算量，保证了加速度控制的平稳性.试验结果表明，该算法可以实现多轨迹段衔接处的圆滑过渡，保证运动速度的平滑度与连续性，有效提升了末端执行器的运行效率.

摘要:为了解决密度峰值聚类算法（Density Peaks Clustering algorithm，DPC）设置截止距离和选择聚类中心过程中的问题，一种新的自调节步长果蝇优化算法被用于密度峰值聚类的重要参数截止距离的计算，设计了一种自适应选择聚类中心的方法.在截止距离计算过程中，根据迭代过程中每一步之间的最优浓度与最差浓度的差值变化率动态的调节寻优步长，其寻优效率与精度均优于现存的改进果蝇算法.在聚类中心的选择过程中，由局部密度与距离乘积的分布情况，自适应的选择聚类中心.本文提出的自调节步长果蝇优化的自适应密度峰值聚类算法的计算精度和效率均优于现存的密度峰值聚类改进算法，并能完全自适应的实现数据的聚类.

摘要:在线客服系统的服务量受到多种因素影响，为提高系统的服务量预测精度，本文基于离散变异控制参数的自适应差分进化算法DMPSADE，提出了一种改进算法IDMPSADE，并将其与长短时记忆神经网络LSTM相结合建立了对服务量的预测模型IDMPSADE-LSTM.在IDMPSADE中，当子代种群测试函数寻优性能没有父代种群好时，对父代种群个体进行反向引导，跳出局部最优，提升搜索到全局最优能力.由于LSTM的神经元数量、迭代次数、学习率以及训练批次需要通过经验进行设置，具有较大的随机性，故利用IDMPSADE对这些参数进行寻优.IDMPSADE-LSTM将分析得到的气温、降水量作为影响因素结合服务量的时间特征对系统的服务量进行预测.文中实验结果表明，IDMPSADE-LSTM预测模型比一般的神经网络以及SARIMA-SVM混合预测模型的精确度要高.

摘要:高性能云化WAF方案在WAF流量防护监测上设计了各个处理流程之间的协同调整处理能力以及同步机制，实现了处理步骤之间的能力相互感知，动态变化能力高效协同，解决了传统方案防护效率低的问题.另一方面高性能云化WAF方案在防护引流拓扑上设计了SDN牵引流量和策略下发分离，实现了WAF的并发防护调用，解决了传统方案防护吞吐量低的问题.实验表明高性能云化WAF方案对比传统云WAF防护方案有较高的防护效率，较高的防护吞吐量.

摘要:行人越界入侵报警是十分普遍的应用场景，尤其是在安保领域.本文设计了一种改进的红外图像行人检测和交叠率算法，两者结合可以实现对行人的越界报警.本方法主要由三部分组成：红外图像行人检测算法、目标分类算法、交叠率算法与报警逻辑.红外图像是为了尽量克服环境影响，并且在夜间也具有良好的显示与图像采集功能；行人检测是通过YOLOv3算法和基于方向梯度直方图（HOG）特征的多层感知器（MLP）二分类来实现；报警算法与逻辑是计算目标的候选框与报警区域的交叠率，再进行逻辑判断.实验表明，本方法准确性高，报警准确率可达91%，有良好的应用价值.

摘要:针对传统ID3算法计算过程复杂以及存在信息冗余的问题，提出了一种改进算法——基于粗糙集属性约简的简化ID3算法.该算法利用粗糙集中属性约简的性质删掉了系统中多余的知识，在保证同样的分类能力下使得分类系统更简洁，同时借助了泰勒公式对熵公式进行化简，使得计算更简便，然后把改进的算法用到实例中去，并用相关数据库上的大量数据编程进行仿真实验，最后得出的仿真结果证明了所提出算法的正确性与可行性，不仅能够有效降低信息重复度，减少了冗余规则，还保证了算法精度，同时为把ID3算法更好地应用到现实生活实例中提供了一定的参考价值.

摘要:本文针对智能产品配网绑定耗时偏长又极难排查的行业性问题，对业界应用最广的“Soft AP”和“快联”机制进行细致分析后，提出了通过智能手机终端、智能产品终端、智能产品服务后台联合抓包来定位配网绑定时效问题的方法.将该方法应用于智能热水器、智能空调等产品后，成功定位到影响配网绑定时效的关键环节和因素.以此为依据的优化措施有效降低了产品配网绑定的耗时，显著提升了用户体验.

摘要:空气环境问题越发成为人们关注的焦点.除了工厂排放的各种废气，私家车的普及都导致了当前令人担忧的空气环境状况.国家相关部门也开始加大对空气环境的治理，提出了环境质量网格化监测的相关政策.在此背景下，市场涌现出很多微型监测仪器，但由于自身内部的传感器精准度不够，存在数据偏差的问题.为了解决这一问题，本文通过利用神经网络技术中的长短期记忆网络（Long Short-Term Memory，LSTM）模型结合半监督学习方法，达到提高监测数据的精准度的目的.通过与其它模型进行对比分析，该方法达到了一定的效果.

摘要:天然气负荷预测对于燃气经营企业尤其重要，对保证天然气管网的用气量、优化管网的调度具有重要意义.传统的天然气预测模型预测精度低、模型泛化程度低.为了克服模型缺陷，提出了一种基于遗传算法优化小波神经网络的天然气负荷预测模型.通过遗传算法对小波神经网络的阈值以及网络连接权值等参数进行优化，从而建立预测效果最好的模型，通过企业提供的历史门站数据对预测模型进行验证.仿真结果表明，使用遗传算法优化网络参数的小波神经网络提高了模型的预测精度，具有一定的工程应用价值.

摘要:图像超分辨率重建在安防系统，小目标检测以及医学图像等有着广泛的应用.本文提出一种双路径反馈网络来提高图像超分辨重建的性能.在双路径网络中，一条路径采用深度残差稠密网络学习重建图像的高频信息，另一条路径直接在输入图像上通过亚像素卷积层上采样到所需分辨率来给重建图像提供低频信息，然后将两条路径得到的特征图进行融合来自适应的选取所需要的信息，接着通过一个反馈型卷积层进行局部循环训练来获得大的感受野.通过在数据集DIV2K上训练，实验结果表明所提方法的有效性和优越性.

摘要:现实中采集的数据由于需要适应实际工程需求以及数据细粒度信息的分类形式多样，样本数据间很难保持完全的独立同分布.而非独立同分布数据会严重降低深度神经网络模型训练的鲁棒性以及特定任务上的泛化性能.为了降低非独立同分布数据在模型训练和推断过程中的不良影响，提出一种批规范化的改进算法.该算法在神经网络模型训练开始前从数据集中取出一小批量数据做批规范化，求解出的均值与方差作为参考值用来更新训练时的其他批量数据.实验结果表明，该改进算法一定程度上能够加快神经网络模型训练收敛，相对于BN算法，分类错误率降低了0.3%，提高了神经网络模型训练的鲁棒性.在目标检测和实例分割任务上，应用该改进算法的预训练模型能够有效提高某些检测算法的泛化性能.

摘要:现有的深度估计算法中，针对光场序列图像进行深度估计时，在图像亮度变化较大和弱纹理区域，其匹配效果较差，鲁棒性较低.针对这些问题，本文提出了一种基于CIELab颜色空间的自适应权值块匹配算法.由于彩色图像RGB颜色空间中颜色差异匹配影响因素较多，本算法转换到CIELab空间进行颜色相似性匹配来计算权重值，然后结合梯度和距离计算匹配图像和待匹配图像中匹配块得到综合权重值，最后根据极平面图像（EPI）的线性特性对图像序列中匹配图像和待匹配图像块进行匹配计算，求得深度图.经过仿真验证，本文算法能够较好的估计场景的深度信息，精度上有较大的提升，明显优于以往的深度估计算法，可以广泛使用.

摘要:IEEE 802.11ac技术已经成为下一代局域网的主要技术，其通过扩增多输入多输出技术、信道宽度、编码与调制策略的种类，使得传输速率获得了巨大的提升.然而种类的扩增也导致了速率选择时搜索空间过大，搜索时间过长，算法计算复杂度高等方面的问题，而已有的针对IEEE802.11a/b/g/n的速率自适应算法无法解决该问题.为了解决该问题，提出了一种在高速无线局域网模式下混合速率自适应算法VhRa.该算法利用MIMO模式、信道宽度的最佳设置与RSSI之间的单调关系来进行特征提取，在MCS （编码与调制策略）选择上通过利用二分法基于zigzag探测的模式进行选择，从而缩小算法搜索的空间，提高搜索效率，进一步提升传输吞吐量.结果表明，VhRa的搜索效率与RRAA、Minstrel-HT相比分别提高了42%、20%，同时在不同场景下对VhRa进行吞吐量分析，移动环境下VhRa相对比RRAA、Minstrel-HT、Samplelite吞吐量分别提升90%、10%、34%.

摘要:针对目前行人重识别技术的缺点，提出一种基于Siamese网络的行人重识别方法.首先使用Dropout算法对卷积神经网络进行改良，降低发生过拟合问题的概率；而后构造一个Siamese网络，将CNN （Convolution Neural Network）中特征提取和检验相融合，提高图像识别的效率和准确率；最后利用度量学习算法中的马氏距离作为检索图像匹配相似度的评价指标.实验结果表明：针对Market-1501数据集，该方法可以有效提高采用卷积神经网络的行人重识别方法识别效率和准确率.

摘要:轨迹中的停留点识别是将空间轨迹转换为语义轨迹的关键步骤.当前轨迹停留点识别方法缺少对轨迹记录点时间连续性的考虑，导致识别出的停留点缺乏时间信息.同时，在轨迹点缺失的情况下，停留点信息也无法被准确识别.针对上述问题，本文提出一种基于速度的时空聚类方法，首先通过缺失轨迹的时空特性确定真实缺失子轨迹，并根据缺失轨迹的平均速度对其进行插值填充，再结合轨迹速度特征和时空特性识别轨迹中的停留点.实验采用GeoLife轨迹数据集对所提出的方法进行验证，结果表明，该算法能够有效地识别用户的停留点，并对轨迹中的干扰具有一定的鲁棒性.

摘要:针对交通堵塞造成的各种状况，通过视频分析实现实时高效的车辆排队长度检测，从而获取更多的交通信息改善交通状况.本文通过传统的FAST角点检测方法与运动检测的过程相结合得到改进后的FAST算法，使用改进后的FAST角点特征分析技术，不仅可以提取出当前交通道路上表征车辆存在的角点特征图，还可以获取角点位置的运动状态.通过对交通监控下的视频进行预处理后，单一车道内处于静态的角点特征形成车辆排队，并进行PCA处理得到一维向量，最后对一维向量进行形态学处理来检测单一车道内的车辆排队长度.实验表明，本方法检测精度平均98%，满足应用于实际场景.

摘要:多设备环境下，应用程序在不同设备上用户界面的差异性导致了界面设计工作的重复和困难.应用界面模式，开发者可以脱离使用繁琐的底层控件生成用户界面的开发方法，专注于宏观的交互方案，从而为多设备界面生成问题提供一个可能的解.基于PLML，本文设计了一个设备无关的界面模式描述语言SPLML用于表示基于模式的界面元素信息，实现了不同平台上的界面模式生成框架UIPF用于支持界面自动化生成，并通过具体案例说明了该方案的可行性和有效性.

摘要:准确的财务风险评价是预防和化解企业财务危机的有效措施.文中提出了一种基于灰色系统理论的企业财务风险评价方法.该方法采用灰色系统理论构建财务评价模型，从企业财务指标和非财务指标两个方面生成评价指标体系.基于混沌模型对粒子群进行改进，采用改进后的粒子群算法对灰色系统权值进行优化.最后以某房地产企业数据进行了实验分析.结果表明，该方法能够有效完成企业财务风险评价，且具有较高的评价准确度.

摘要:为了能够快速准确地获得异地敏捷软件开发团队任务分配的全局最优解，提出了一种基于能力匹配的异地敏捷开发任务分配方法.该方法强调子任务能力需求和团队能力的匹配关系，构建了能力匹配的效用函数，对效用矩阵进行求解，全局效用值最大时获得最优分配方案.算例仿真结果表明，所提出的方法可以有效得到能力匹配较优的任务分配方案.

摘要:目前IT招聘信息分类中传统算法存在长距离依赖，且无法突出IT岗位关键词对文本分类特征影响等问题.本文通过训练双向长短期记忆网络BiLSTM与注意力机制相结合的多层文本分类模型，将其应用到招聘信息分类中.该模型包括One-hot词向量输入层、BiLSTM层、注意力机制层和输出层.其中One-hot层构建招聘词典，节省了大量训练词向量时间，BiLSTM层可获取更多上下文不同距离的语义信息，注意力机制层对经过BiLSTM层编码数据进行加权转变可提升序列化学习任务.实验表明：基于该模型的IT招聘信息分类准确率达到93.36%，与其他模型对比，提高约2%.该模型更有针对性的分析不同岗位对就业者能力的要求，实现了不同岗位招聘信息的分类，对高校毕业生就业指导有重要意义.

摘要:本研究基于k-NN算法建立了课程推荐预测模型.由于原始样本数据的局部不均衡和数据叠交性，预测模型在不进行任何参数调整和数据优化的情况下，模型预测评分并不理想.针对上述问题，本研究设计了一套预测模型参数优化方案和样本数据优化方案，包括最优k值选择算法设计、距离公式优化、数据离散化算法设计.本研究提出的“数据离散化算法”驱使kd树的分类空间排序按照我们期望的特征向量的权重排序，该算法对提升模型预测评分起到了积极作用.上述优化方案和算法设计使课程推荐预测模型的评分从0.67提升到0.85，预测结果的准确度提高了27个百分点，学生对课程推荐的满意度得到显著提升.

摘要:服装关键点的检测对服饰分类、推荐和检索效果具有重要的作用，然而实际服装数据库中存在大量形变及背景复杂的服饰图片，导致现有服装分类模型的识别率和服装推荐、检索的效果较差.为此，本文提出了一种级联层叠金字塔网络模型CSPN （Cascaded Stacked Pyramid Network），将目标检测方法与回归方法相结合，首先采用Faster R-CNN结构对服装目标区域进行识别，然后基于ResNet-101结构生成的多层级特征图，构建级联金字塔网络，融合服饰图像的多尺度高低层信息，解决图片形变及复杂背景下服装关键点识别准确度不高等问题.实验结果表明，CSPN模型在DeepFashion数据集上较其他三种模型对服装关键点具有较高识别度.

摘要:森林类型分类对森林生态系统管理起重要作用，高光谱影像由于波段多，传统方法先对其进行特征选择或特征提取进行降维处理，再进行图像分类，一定程度影响森林类型识别精度.深度信念网络是一种半监督学习方法，可将高光谱所有波段作为深度信念网络的输入，从而避免降维处理.论文利用深度信念网络对泉州市德化县西部8个乡镇进行森林类型识别研究.基于HJ/1A高光谱图像与二类调查数据，利用Python语言实现高光谱影像森林类型分类，讨论了网络深度和隐藏层单元数对总体精度与Kappa系数的影响.实验结果表明：层数为3，每层节点数为256的网络结构对森林类型识别效果最好，总体精度达85.8%，系数为0.785，好于支持向量机的分类结果.

摘要:随着无人驾驶和智能驾驶技术的发展，计算机视觉对视频图像检测的实时性和准确性要求也越来越高.现有的行人检测方法在检测速度和检测精度两个方面难以权衡.针对此问题，提出一种改进的Faster R-CNN模型，在Faster R-CNN的主体特征提取网络模块中加入SE网络单元，进行道路行人检测.这种方法不仅能达到相对较高的准确率，用于视频检测时还能达到一个较好的检测速率，其综合表现比Faster R-CNN模型更好.在INRIA数据集和私有数据集上的实验表明，模型的mAP最好成绩能达到93.76%，最高检测速度达到了13.79 f/s.