基于多尺度双线性卷积神经网络的多角度下车型精细识别

针对多角度下车辆出现一定的尺度变化和形变导致很难被准确识别的问题，提出基于多尺度双线性卷积神经网络（MS-B-CNN）的车型精细识别模型。首先，对双线性卷积神经网络（B-CNN）算法进行改进，提出MS-B-CNN算法对不同卷积层的特征进行了多尺度融合，以提高特征表达能力；此外，还采用基于中心损失函数与Softmax损失函数联合学习的策略，在Softmax损失函数基础上分别对训练集每个类别在特征空间维护一个类中心，在训练过程中新增加样本时，网络会约束样本的分类中心距离，以提高多角度情况下的车型识别的能力。实验结果显示，该车型识别模型在CompCars数据集上的正确率达到了93.63%，验证了模型在多角度情况下的准确性和鲁棒性。     

基于人脸识别技术的人流智能分析系统

笔者提出了一种人流智能分析系统,其功能包括人脸检测、人脸性别年龄分析、人脸出现时长分析、人脸表情分析以及人脸总数统计。本研究基于机器学习的人脸开源库,采用多特征提取与卷积神经网络相结合,训练出可以同时进行人脸性别年龄分析、人脸出现时长分析和人脸表情分析的人流智能分析模型,再结合MySQL数据库进行有效统计并生成人流信息数据报表。该技术可被推广到各类经销商铺,来实现对客户特征信息的提取收集及人流动态数据统计。     

电外科设备快速闭合算法中功率的参数优化研究

本文基于自制的射频能量平台,开发了一种管腔组织快速闭合算法,可以达到对管腔组织快速闭合的目的,探究不同功率对闭合效果的影响。在实验中,选取猪小肠作为实验对象,实验过程中改变不同的功率,实验完成后通过爆破压和热损伤测试,来评估快速闭合算法下不同功率对猪小肠的闭合效果影响。结果表明:当功率设置分别为50W、100W、150W时,焊接口的闭合强度两两之间有显著性差异,并且在100W功率下的闭合强度较大,爆破压最大能达到(86.280±17.264)mmHg,热损伤为(0.327±0.032)cm;当射频输出功率大小为50W时热损伤范围最小,为(0.2674±0.03727)cm。本文研究表明,在对管腔组织闭合的时候,应该选择适中的射频输出功率,才能在保证管腔组织吻合口具有较大的爆破压同时,又能将热损伤保持在较小范围内。