基于改进型Faster R-CNN的行人目标检测

在行人目标检测中,小尺度、低像素的行人目标检测和行人遮挡等问题是模型训练的难点。针对深度学习Faster R-CNN网络对小尺度行人以及遮挡行人目标检测效果较差的情况,提出一种基于soft-NMS、GIoU和多尺度训练方法的改进型Faster R-CNN行人目标检测模型。在该改进模型中,Soft-NMS缓解行人密集检测中的因遮挡导致的漏检情况,GIoU对网络的损失计算进行改进,提升网络检测效果,多尺度训练方式能够提升小尺度与低像素的行人目标检测的准确率。仿真实验结果验证了该方法的有效性,改进的Faster R-CNN模型在Caltech行人数据集上的检测精度由64.2%提升到了70.4%,且在漏检率和误检率上都优于传统Faster R-CNN模型。

基于收益管理的邮轮客舱分配与定价模型

基于收益管理的思想对邮轮客舱分配与定价问题进行了研究。结合邮轮运营中的个性化特点,例如消费者团体人员构成多样、较长的预售周期以及救生位和儿童看护人员的数量限制等。在不失一般性的前提下,建立了整数规划模型用以确定在预售周期内的不同预售阶段中各种客舱类型的待售数量及其价格,以达到使邮轮公司收益最大化的目的。实验分析表明,该模型在实际应用中是有效的且呈现出显著的年增长趋势,可明显提高邮轮公司的收益。此外,设计了一种基于韦伯分布的EM算法用以解决模型中涉及到的需求量的无约束估计问题。数值算例研究表明,该算法收敛速度快且无约束估计过程可靠有效。