引入自上向下特征融合的小目标检测算法

针对原始SSD(Single Shot Multibox Detector)算法未充分利用各特征层之间关系导致浅层特征层缺乏小目标语义信息的问题,为了提高对小目标的检测能力,提出了一种结合PANet多尺度特征融合网络和自上向下特征融合路径的TTB-SSD(Top to Bottom SSD)改进算法。首先,使用PANet多尺度特征融合网络对特征进行反复提取,从而获得丰富的多尺度语义信息;然后,使用一种深层特征融合模块将浅层特征层的空间信息传递到深层特征层,进而更准确地对小目标进行定位;最后,为了增强浅层特征层的语义信息,构造了自上向下的特征融合路径,从而强化浅层对小目标检测的准确率。实验结果表明,在PASCAL VOC2007测试集检测的mAP(Mean Average Precision)值达到80.5%,对目标的mAP较原始SSD提高了5.7%,证明了该算法对小目标检测的有效性。     

基于CBAM-ResNet网络的视线估计方法

针对当前视线估计方法准确率不高的问题,提出了一种基于残差网络与注意力机制相结合的视线估计模型。首先,预处理阶段对人脸图像进行关键点定位、剪裁及归一化;然后,将归一化后的图像连续通过残差网络与CBAM(convolutional block attention module)注意力模块,进行人脸特征提取;最后,将神经网络输出的二维视线方向向量转换为三维视线方向向量,得到最终结果。实验结果表明,本模型在公共数据集MPIIFaceGaze上的视线误差角度为4.48o,与其他视线估计系统模型进行对比,本文所提出的模型可以更准确地估计视线方向。     

反思式教学模式在计算机网络课程教学中的应用

教学模式、教学手段及方法改革是提高教学质量,培养学生创新精神和实践能力的重要途径.本文针对传统教学中学生以考试为完成学业的被动学习现象,提出了采用反思式教学模式,并在计算机通信网络课程教学中实践.通过对计算机网络应用实例的分析,提出待研究的理论和技术问题,引领学生探究问题的解决方法,学生展演、评判等教学过程,培养学生分析问题的科研能力,掌握解决问题的思维过程,从而为学生创新精神、独立研究、终身学习、自由表达的能力和团队合作精神奠定基础.研究结果表明该方法可应用于工程类专业的专业基础课和专业课的教学.     

基于曲线特征的快速Hough逆变换算法

提出一种基于曲线特征(CF)的Hough逆变换(IHT)算法。基于静止图像中待检测曲线的特征，选取图像中若干特征点，根据这些特征点，结合待检测曲线的特征信息寻找生长点，以这些生长点为下一次检测过程的新特征点，循环生长，直至达到检测要求为止。实验表明，CF-IHT算法只选取了图像中待检测曲线上的点进行重建，克服了标准IHT(SIHT)逐像素检测的盲目性，减小了算法的计算复杂度，节省了存储空间，提高了算法的计算效率。     

基于曲张特征的快速Hough逆变换算法

提出一种基于曲线特征(CF)的Hough逆变换(IHT)算法.基于静止图像中待检测曲线的特征,选取图像中若干特征点,根据这些特征点,结合待检测曲线的特征信息寻找生长点,以这些生长点为下一次检测过程的新特征点,循环生长,直至达到检测要求为止.实验表明,CF-IHT算法只选取了图像中待检测曲线上的点进行重建,克服了标准IHT(SIHT)逐像素检测的盲目性,减小了算法的计算复杂度,节省了存储空间,提高了算法的计算效率.     

融合视觉机制和多尺度特征的小目标检测算法

针对SSD(Single Shot MultiBox Detector)目标检测算法对小目标检测能力不足的问题,提出一种引入视觉机制和多尺度语义信息融合的VFF-SSD(Vision Feature Fusion SSD)改进算法。为了增大浅层网络的感受野提高特征提取能力,首先在SSD浅层特征层中加入视觉机制,然后利用改进PANet(Path Aggregation Network)多尺度特征融合网络与深层特征增强网络得到新的特征层,旨在增强浅层网络的语义信息并加强深层特征的特征表达能力,最后应用注意力机制模块提高对重要信息的学习能力。实验结果表明,在PASCAL VOC2007测试集检测的mAP(Mean Average Precision)值达到81.1%,对数据集中小目标的mAP值较原SSD提高了6.6%。