基于深度学习的人脸识别技术研究

随着人脸识别技术在安全、身份验证和监控等领域的广泛应用,传统的人脸识别方法面临着日益增长的挑战,本研究旨在探讨和验证基于视觉转换器(vision transformer,ViT)的深度学习模型在人脸识别中的应用优势。本研究通过构建一个基于ViT架构的深度学习模型,实现人脸特征提取,并通过多层感知机(multilayer perceptron,MLP)算法实现人脸识别,同时和传统的机器学习模型支持向量机(support vector machine,SVM)进行了对比分析。通过实验验证,ViT模型在人脸识别任务中相比于传统方法,各项性能指标上均有显著提升。本研究结果表明ViT在处理复杂多变环境中的人脸识别任务中具有一定优势。

基于深度学习的自然语言处理技术研究与应用

情感分析是自然语言处理(NLP)的一个关键领域,涉及到对文本数据中的主观信息进行识别和分类。研究采用基于Transformer模型的BERT模型,以更好地适应情感分析任务,旨在探索和验证基于Transformer的深度学习模型在情感分析任务中的有效性。在几个公开可用的情感标注数据集上进行训练和测试,验证了采用的基于Transformer的BERT模型相对于传统方法的可靠性和有效性。

线上线下混合教学模式探究——以《模拟与数字电路基础》课程为例

“互联网+教育”时代,混合式教学模式成为教学改革的重要方向。本研究基于超星泛雅平台,以模拟与数字电路基础为研究对象,构建基于线上自学、拓展延伸和线下讨论交流的混合式教学模式。结果表明,混合式教学提高了学生学习的积极性和知识获取的成就感,综合成绩明显优于传统教学模式。

基于改进DPM模型的行人检测方法研究

为了提高在复杂环境下行人检测的准确率,提出一种基于改进可变形部件(DPM)模型的行人检测方法。特征提取时,将图像单元梯度方向离散到9个区间中,采用解析降维法代替主成分分析法对归一化的特征进行降维;将行人的身体部分分为多个模块,提取出行人以及各个模块的特征,然后分别针对行人以及模块进行分类器训练得到根模型与模块模型;最后采用Cascade方法代替传统的动态规划法对行人检测。在Matlab环境下进行仿真,结果表明该方法与传统的基于HOG特征的检测方法相比,识别率得到了明显提高,而与原始DPM方法相比,在不降低识别率的同时,能够在一定程度上提高其检测速度。

复杂环境下基于相关滤波的行人跟踪方法研究

近几年,基于相关滤波的跟踪方法得到很大的改善,Staple跟踪算法在KCF跟踪方法的基础上引入颜色特征和多尺度检测,使得算法的跟踪准确度得到大的提升,但是因为Staple算法中模型一直更新,目标被遮挡一段时间后,模型不能很好地表达目标行人,导致跟踪效果下降。为此,在该文中,当方向梯度直方图特征模型大于给定的阈值时,仅仅使用梯度方向直方图特征进行跟踪,否则使用颜色特征对此进行补充,同时,颜色特征模型只有在大于给定的颜色特征模型响应阈值时才更新,仿真实验结果表明,此方法在一定程度上能够提高行人跟踪的准确度。

智能信息化教学改革模式探析——以智能信息处理课程群为例

智能信息处理课程是智能科学与技术专业的重要课程,具有学习难度大、知识涵盖面广等特点。随着人工智能2.0时代和大数据时代的来临,智能信息处理课程群在实际教学中存在诸多问题,亟须通过改革提升教学的质量与效果。基于智能信息处理课程群的关联性和重要性,从教学工作安排、知识点衔接、教学团队建设、实验教学设置和课程群教学网站建设等方面提出了具体的改革对策,旨在为该课程群教学工作的改革提供理论参考和实践依据。