基于改进MobileFaceNet的人脸识别方法北大核心

针对目前大多数人脸识别算法参数多、计算量大,难以部署到移动端和嵌入式设备中的问题,提出了一种基于改进MobileFaceNet的人脸识别方法。通过对MobileFaceNet模型结构的调整,将bottleneck模块优化为sandglass模块,改良深度卷积和逐点卷积的相对位置,适当增大sandglass模块的输出通道数,从而减少特征压缩时的信息丢失,增强人脸空间特征的提取。实验结果表明:改进后的方法在LFW测试数据集上准确率达99.15%,模型大小和计算量分别仅为原算法的61%和45%,验证了所提方法的有效性。     

一种基于SDN的改进路由算法的研究

针对传统互联网调度无法满足工业业务QoS(Quality of Service)需求的问题,文中在基于SDN的新型网络架构上提出了一种改进的路由算法,并对其中使用的Floodlight控制器模块进行扩展与修改。根据信息收集单元模块提供的带宽信息与链路发现模块提供的网络拓扑信息,路由计算模块对进入的数据流计算出更优化的最短路径。仿真实验结果表明,改进后的路由算法有效降低了数据的传输时延,增强了网络的稳定性。