基于改进DPGN的少样本图像分类算法研究

DPGN(distribution propagation graph network)是基于深度学习的少样本图像分类算法,在数据稀疏的条件下可以顺利完成图像分类,但其分类的准确率仍需进一步提升。以DPGN算法为研究对象,提出SFOD_DPGN(SinAM_FRN_layer_ODConv_DM&EMD_distribution propagation graph network)算法。在骨干神经网络Resnet12的残差块中融入注意力机制;将Resnet12网络中批量归一化与ReLu激活函数搭配使用的方式改为滤波器响应归一化与阈值线性单元激活函数搭配使用的方式;在分类器模块中选用全维动态卷积替换普通卷积;使用马氏距离和推土机距离替换L2距离度量函数。在CUB-200-2011数据集上的实验表明,在5way-1shot和5way-5shot分类任务下,SFOD_DPGN算法比DPGN算法的准确率提升约7.97%和2.66%。

基于改进D2Det尺度自适应目标检测算法研究

针对D2Det(Towards High Quality Object Detection and Instance Segmentation)面对尺度变化目标和小目标的检测效果不佳并且参数量较大的问题,基于D2Det提出一种尺度自适应的目标检测模型G-SAD2Det。首先在数据预处理阶段引入数据增强算法CutOut和Mosaic,使模型应对复杂场景时有较好的鲁棒性;其次改进特征提取网络ResNet,在每个残差块内构建多尺度特征提取结构,从细粒度层面上更好地提取目标特征,同时在网络结构上添加可切换的全局上下文语义特征提取模块,通过不同池化层来增强显著性特征和全局上下文语义信息;然后改进候选框生成模块,采用自主定位目标中心区域指导候选框的生成,增强算法对尺度变换目标的自适应能力;最后通过Ghost卷积替换普通卷积降低网络的参数量和计算量。使用VOC数据集和COCO子数据集验证算法的有效性,G-SAD2Det比D2Det在两个数据集上的mAP@0.5分别提升了3.6%和4.9%;模型参数量减少了27.42%,计算量减少了35.96%,证明改进后的算法在提高了精度的同时也减少了计算量。

基于遗传算法的属性约简算法研究与实现

本文深入分析了属性约简的方法与算法、遗传算法的基本理论;给出了遗传算法中各类算子的设计和实现方法;提出对编码的改进,即在编码时选择可变长编码;然后用赌轮选择算法对种群中的个体进行选择,很大程度上改进了算法的收敛性能;而且能求得尽可能多的约简,实验证明该算法能对大多数测试数据集求得全部约简。

项目反应理论在C程序设计自适应考试系统中的应用

本文针对传统C程序设计考试系统在主观填空题和程序设计题的出题与批改试卷中出现的弊端,应用项目反应理论(Item Response Theory,简称IRT),创新性提出了划分模块、进行功能模块和变量变化曲线匹配的评阅方法,设计出一套基于XML的自适应考试系统的解决方案。通过测试数据的结果分析,验证了该系统的正确性和实用性。

基于改进YOLOv5的目标检测算法研究

YOLOv5是目前单阶段目标检测性能较好的算法,但对目标边界回归的精确度不高,难以适用对预测框交并比要求较高的场景。基于YOLOv5算法,提出一种对硬件要求低、模型收敛速度快、目标框准确率高的新模型YOLO-G。改进特征金字塔结构(FPN),采用跨层级联的方式融合更多的特征,一定程度上防止了浅层语义信息的丢失,同时加深金字塔深度,对应增加检测层,使各种锚框的铺设间隔更加合理;其次把并行模式的注意力机制融入到网络结构中,赋予空间注意力模块和通道注意力模块相同的优先级,以加权融合的方式提取注意力信息,使网络可根据对空间和通道注意力的关注程度得到混合域注意力;通过降低网络的参数量和计算量对网络进行轻量化处理,防止因模型复杂度提升造成实时性能的损失。使用PASCALVOC的2007、2012两个数据集来验证算法的有效性,YOLO-G比YOLOv5s的参数量减少了4.7%,计算量减少了47.9%,而mAP@0.5提高了3.1个百分点,mAP@0.5:0.95提高了5.6个百分点。

SQL语句优化在学生考勤管理系统中的应用与研究

在学生考勤管理系统的设计过程中,可以利用人工智能技术,对SQL查询语句进行自动重写,并通过批运行测试,找到性能最好的SQL语句,从而极大地提高系统的性能。

基于注意力机制和孪生网络的跟踪算法研究

提出融合卷积通道注意力机制、堆叠通道注意力机制和空间注意力机制的孪生网络跟踪器(ThrAtt-Siam)来提升跟踪性能。ThrAtt-Siam跟踪器以SiameseFC为基础,通过在低卷积层融合卷积通道注意力机制、两个特征图与两个卷积块,加强目标物体特征提取,提高跟踪器对背景特征抗干扰能力和辨别能力;在目标图像分支融合堆叠通道注意力机制与空间注意力机制,其中堆叠通道注意力机制可有效区分有用特征与无用特征,同时针对不同通道的有用特征进行提取,空间注意力机制可有效地补充目标物体特征在通道空间中的信息,能够更好地对目标进行定位。在OTB2015和VOT2017数据集上的实验结果表明,ThrAtt-Siam跟踪器对目标物体形变、低分辨率和遮挡问题都取得了较好的跟踪准确率和成功率。

河北省引种核桃合理栽倍密度分析

河北省是我国北方核桃生产大省之一.计划经济时期,生产上栽培的主要为传统的晚实品种,并以零星栽培为主.栽培地多为田边、堤埂、埝阶、山洼等,很少成园集中,栽培密度也极不规范.随着近年培育推广栽培核桃新品种,集中栽培和合理密植才例入生产管理日程."七·五"国家重点科技攻关专题"核桃早密丰产栽培技术的研究"对核桃栽培的适宜密度界定为30～60株/667m2.《河北林业科技》2002年第6期刊载省林科院毛向红等同志《优种核桃建园及幼树管理技术》进一步区别园地类型、核桃品种,提出了相应栽培密度.其中纯核桃园:早实品种为10～22株/667m2,晚实品种为9～16株/667m2.毋庸置疑,这些密度指标的提出,对指导我省核桃生产,提高栽培管理水平发挥了重要作用.