基于YOLO网络的行人检测方法

针对基于人工提取特征的行人检测器鲁棒性差的问题,借鉴目标检测的研究成果,提出一种行人目标实时检测方法。以YOLO网络结构为基础,结合行人在图像中呈现宽高比小的特点,聚类选取合适的候选框数量和规格,改进YOLO网络结构,调整候选框在X、Y轴方向的分布密度,形成适用于行人检测的网络结构。实验结果表明,与HOG、LatSVM-v2等行人检测方法相比,该方法降低了漏检率和误检率,提高了定位准确性,检测速度满足实时性要求。

基于改进CNN的年龄和性别识别

人脸图像的年龄和性别识别是人脸分析的重要任务,在真实多变场景下完成识别依然面临挑战。改进深度卷积神经网络(Convolutional Neural Network,CNN),将首层大尺寸卷积核替换为级联3×3卷积核;采用跨连卷积层融合中层和高层抽象特征;加入Batch Normalization(BN)层,设置较高的学习率和较小的Dropout比率;采用1×1卷积核与全局平均池化(Global Average Pooling)取代全连接层。实验表明,所提方法与主流的年龄性别识别方法比较具有较好的识别率,在Adience数据集上,年龄识别精度达到89.8%,性别识别精度达到93.3%。

基于混合APP的生产设备监测系统研究

现阶段很多车间移动管理应用普遍采用原生开发,这种开发方式不但周期长,而且成本高。为了大幅度降低车间设备监测系统开发时间与成本,加快企业车间机加工设备管理信息化进程,提高企业管理能力,文中结合最新混合APP移动应用开发、信息通讯、电子电工等技术,提出可以在Android、IOS等主流系统运行的车间设备监测系统架构,并对车间机加工设备的工作状态进行远程监测、控制,提高企业信息化水平和生产效率。