联合结构相似性与类信息的图像分类

针对卷积神经网络训练收敛速度慢的问题,提出了一种加权的联合结构相似性和类信息监督训练的方法。首先,针对小图像,设计一个能有效提取图像高级别信息的卷积神经网络。其次,建立加权的联合结构相似性和类信息损失函数训练卷积神经网络。最后,通过mnist手写数字和cifar10图像分类实验验证所设计网络的有效性。实验结果表明,所设计的网络在mnist手写数字和cifar10数据集上的图像分类错误率分别为0.33%和11%。在未进行扩增mnist数据集的前提下,所设计的网络的性能超过了该数据集上所有单网络的性能;在cifar10数据集上,所设计的网络能以较少的计算量获得较高的图像分类准确率。同时,联合结构相似性和类信息损失的监督训练能加快网络的训练速度。

基于互联网+的“快递帮手”APP设计

随着全国日均快递量急速增加,我国快递业务将会持续处于高涨期,对于要取快递和通过代拿快递盈利的用户来说,通过移动互联网获取快递信息的需求变得尤为重要。基于互联网+的思路开发了一款适用于Android系统的"快递帮手"APP,取快递的用户可以在线发布订单,代取快递的用户可以在线接受订单,从而实现资源高效利用。