改进HSR-FCN的服装图像识别分类算法研究

目前网络上的服装图像数量增长迅猛，对于大量服装图像实现智能分类的需求日益增加。将基于区域的全卷积网络（Region-Based Fully Convolutional Networks，R-FCN）引入到服装图像识别中，针对服装图像分类中网络训练时间长、形变服装图像识别率低的问题，提出一种新颖的改进框架HSR-FCN。新框架将R-FCN中的区域建议网络和HyperNet网络相融合，改变图片特征学习方式，使得HSR-FCN可以在更短的训练时间内达到更高的准确率。在模型中引入了空间转换网络，对输入服装图像和特征图进行了空间变换及对齐，加强了对多角度服装和形变服装的特征学习。实验结果表明，改进后的HSR-FCN模型有效地加强了对形变服装图像的学习，且在训练时间更短的情况下，比原来的网络模型R-FCN平均准确率提高了大约3个百分点，达到96.69%。     

基于居民满意度调查下的宜居社区评价——以福州中心城区为例

城市双修背景下,宜居社区建设作为其重要组成部分,其重要性获得了政府和社会的共识。通过问卷调查与走访,笔者获取了居民对于所居住社区的各项满意度得分,并通过模糊评价法构建了包含空间满意度、生活便利性、出行便利性、环境健康性、社区安全性、社区归属感以及创新等七大板块的宜居社区评价体系。最后,验证了居民总体满意度与宜居评分表得分具有较高的线性关系,且提出针对不同社区类型的动态化宜居提升策略,以期为社区的特色化发展作出贡献。     

大数据背景下教师推进学生主体个性化学习研究

大数据时代,随着社会的快速发展,教育领域强调个性化教育,教师应积极面向全体学生,发现学生的独特性,承认个性差异,鼓励个性发展,因材施教,最大程度展现所有学生的个性和潜力。基于此,通过分析高职院校学生主体的个性化差异,探索研究大数据背景下教师推进学生主体个性化学习的策略,为后续教育改革和促进学生个性化学习提供参考。