基于深度学习的复杂背景下目标检测

针对某些静态图像背景复杂,受环境因素(光照、遮挡、掩盖等)影响较大的问题,提出一种基于深度学习算法的卷积神经网络(convolutional neural networks,CNN)结构对目标进行检测。利用CNN网络可自主提取图像特征并进行学习的优点,避免了复杂的人工特征选择和提取过程。通过一种区域合并的方法进行端到端的交替训练,在复杂背景图像的处理中体现出较优的性能。CNN的局部连接、权值共享及池化操作等特性使之可以有效地降低网络的复杂度、减少训练参数的数目、提高检测效率。试验验证结果表明:此方法在互联网图像数据库检测方面达到了较高的精度。采用坦克模型图像对复杂背景下的单目标、多目标以及不同程度的遮挡、伪装等情况进行试验,得出该方法具有一定的鲁棒性。     

对理工科大学高等数学教学改革的一些建议

高科技信息时代的迅速发展对学生的数学素质提出了新的要求 ,理工科大学的高等数学教学改革势在必行 ,但是改革的方向何去何从 ?本文通过对目前理工科大学高等数学教学中存在的问题进行了分析 ,吸取了这方面改革的部分成功经验 ,总结了自己在教学过程中积累的经验 ,提出了对高等数学教学改革的一些建议。     

激发学生学习兴趣 提高教育教学效果——《概率论与数理统计》教学体会

兴趣是学习活动中的重要动力,它会指引人们去探求真理,奋发学习,充分发挥自己的才能。设置悬念,注重实践,师生间的交流,都会激发学生学习的兴趣,从而提高教学效果。