MTCNN的优化及其在道路车辆检测中的应用

采用一种运算速度较快的MTCNN(multi-task cascaded convolutional networks,多任务卷积神经网络)的目标检测方法。针对道路车辆的属性,引入内部级联结构,通过在网络内部添加小型分类器从而更高效处理车辆负样本;引入双流卷积神经网络,联合车脸与车身特征进行训练,提升模型在复杂条件下的适用性。在保证实时性的同时,提高了模型在城市道路、雨天、道路拥堵等复杂场景下对于道路车辆的检测精度;并解决MTCNN对于图像中小目标的检测精度不高以及在整段视频中对于车辆的检测与跟踪不稳定问题。

车型识别中感兴趣区域选择方法研究

研究了车型识别时感兴趣区域的确定方法,提出了基于加权融合策略的特征区域块检测算法,充分考虑真实标签类别对特征图的权重信息,以真实标签对特征图的反向梯度来构建权重系数,通过加权融合特征信息得到车型识别中的感兴趣区域,并以热力图形式可视化呈现;设计一组对比实验,验证了特征区域块的检测有效性,感兴趣区域合理确定对车型识别准确性提高产生了明显作用。实验结果表明,蒙住散热格栅区域时,置信度下降38.47%;而蒙住车灯时,置信度下降23.90%。

大班晨间锻炼“1+1”

大班晨间锻炼的质量对幼儿的体能和动作发展有着重要作用．但观察评估发现．在晨间锻炼活动中存在着许多问题．主要表现为：晨问锻炼的项目与内容由教师规定．幼儿的积极性不高：器械随意取放，幼儿缺乏自主管理的意识：幼儿自我保护的意识和能力较弱。针对这些问题．我们探索出以下教育策略．有效地提升了大班幼儿晨间锻炼的水平与质量。