基于改进的C/S结构在无线传感器网络工作站中的应用

本文基于改进的C/S模式设计无线传感器网络工作站,实现了既能降低数据库服务器的负载,又能提高工作站实时性和稳定性的功能。经测试,该方案可行、可靠,对无线传感器网络工作站的设计具有一定的指导意义。

基于面部特征点的人脸图像修复网络

为了获得更好的图像修复效果,建立了一种由人脸特征点预测子网和人脸修复子网组成的人脸面部图像修复深度学习网络。该网络的面部特征点预测子网在MobileNetV2模型基础上引入SE(squeeze-and-excite)结构,实现了对不完整人脸图像的面部特征点预测;修复子网中的生成器采用密集连接块U-Net结构,并新增残差块间的跳跃连接,实现了对提取的图像浅层特征信息的再利用,增强了神经网络结构信息的预测能力。对比实验结果证明,所提人脸图像修复深度学习网络可获得更好的图像修复性能,修复后的图像更接近于真实图像。

轻量化高精度卷积神经网络的安全帽识别方法

由于施工环境的复杂性,基于机器视觉的安全帽识别方法常常出现误检与漏检的情况。为提高复杂环境下安全帽识别的准确率,同时满足实时性要求,提出一种基于视觉感受野特性的轻量化高精度卷积神经网络。该卷积神经网络以RFBnet网络为基础,增加特征金字塔网络模块,使神经网络同时兼顾浅层语义信息和深层语义信息的表示能力,以实现复杂施工环境下不同形态与大小安全帽的识别。采用SE-Ghost模块在保持网络特征提取能力不变的情况下,对主干网络结构进行轻量化。为验证方法的性能,将基于感受野特性的轻量化卷积神经网络和当前主要卷积神经网络进行实验对比,结果表明,所提网络模型的检测准确率较YOLO-v3、RFBnet-300和RFBnet-512网络分别提高了1.60个百分点、3.62个百分点和0.98个百分点,检测速度达到20 frame/s。