面向课堂环境的多人脸检测

针对目前课堂环境下的多人脸检测研究不够深入,特别在拍摄角度变化等多个因素影响下人脸识别率较低的问题,提出了真实课堂环境下基于全卷积头部检测器(FCHD)人脸检测的改进算法。首先,针对课堂环境下多人脸数据集的不足构建了两类课堂数据集,通过10人以下、11~20人、21~30人、31~40人以及41人以上不同的数据进行分析;然后,对比评估了传统的人脸检测算法以及基于深度学习的算法;最后,提出基于FCHD算法进行锚点设计的改进,针对课堂多人脸数据集的特点,通过不同锚点的设计以及神经网络的微调提升多人脸检测的准确率。实验结果表明,所提算法对于10人以下的人脸检测平均准确率能达到90%,能够较好地解决多人脸识别领域中存在的人脸偏移、遮挡、角度等问题。

建筑工程的岩土勘察及地基处理技术分析

岩土勘察是建筑工程最早期的一项重要工作,完善的建筑岩土勘察数据结果对后续的地基处理有着重要的指导作用,是整个建筑工程顺利实施的基础.本文首先讨论了岩土勘察工作的重点和主要内容,并总结分析了岩土勘察的主要技术和工作流程,最后针对地基处理技术进行了分析研究,希望为我国建筑工程前期施工提供一些有价值的参考.

浅议大厚度湿陷性黄土地基处理方法

大厚度湿陷性黄土地是我国较为常见的一种土壤环境，在建筑施工中也是经常使用的一大地基类型。本文结合大厚度湿陷性黄土地基处理的特点及要求，并针对建筑施工的相关要求，提出了提高大厚度湿陷性黄土地施工质量的有效方法。

基于深度学习的口腔癌图像识别研究

口腔癌是湖南省发病率最高的恶性肿瘤之一,基于图像的口腔癌识别能够为医生尽早诊断提供有效医疗辅助手段。文章首先基于Github上的同类项目构建了口腔癌图像数据库,进而选择了几种典型的深度学习模型,分析了不同深度学习模型在口腔癌图像识别中性能的表现。分析的过程包括:数据处理,模型训练和模型识别。数据处理指的是将数据库中的图片进行旋转放缩等数据增强,模型训练主要基于迁移学习进行研究,最后针对模型对图像的识别效果进行分析。最终,团队通过实验发现这基于卷积神经网络的迁移学习模型可以很好地承担口腔癌分类任务,有效证明了利用图片进行深度学习在口腔癌识别领域的高度可行性。

小世界网络在VGG模型中的应用研究

深度学习与传统的浅层学习主要的区别在于模型结构的深度,较深的网络结构能够较好的捕捉到数据的潜在特征,从而达到较高的识别性能。但是,在当今的大数据时代中,随着数据集的规模和多样性的增长,如何提升深度学习模型的准确率及加快模型的收敛速度一直是研究的热点和难点。首先,提出了基于小世界网络的深度学习模型优化研究方案,并以VGG模型为例,结合构造小世界模型的方法——NW(Newman-Watts,NW)随机化加边算法来改变卷积神经网络VGG的拓扑结构,使其具备一定的小世界特性,以提升网络的收敛速度及识别度。然后,利用优化后模型在cifar10和cifar100数据集上的训练集损失和测试集准确率来判断该模型的性能,其相较于未优化模型在两项指标上均有一定的提升。