基于树莓派平台的道路雾气和积雪检测系统设计

在大雾天或冬季路面积雪的环境,会影响车辆驾驶的安全性,甚至发生安全事故。使用树莓派平台,提出了一种基于卷积神经网络（CNN）的图像检测算法,用于实时检测雾气和道路表面积雪。使用树莓派开发板和一个摄像头实时获取雾气和路面积雪的信息,通过Mobile Net深度学习算法检测道路情况。实验表明,其对雾气和路面积雪的检测准确率为97%以上。并且证实Mobile Net的深度学习算法的在树莓派上的工作速度优于Res Net50等算法。     

基于Tensorflow的车型识别系统研究

研究了基于谷歌深度学习框架Tensorflow的深度学习在车型识别领域应用的可能性,使用了卷积神经网络模型,将6种不同类型的车辆图片作为训练集输入神经网络,通过多次训练,选择合适的神经网络超参数,最终得到了可以通过输入图片直接识别汽车类型的卷积神经网络模型,且准确率约为92%。同时,通过学习,以Tensorflow为后端,keras为前端进行建模、编程的完整流程,为进一步使用Tensorflow深度学习框架构建图像识别的应用环境打下了基础。     

FC-CNN:基于卷积神经网络的水果图像分类算法

针对现有基于卷积神经网络的水果图像分类算法均使用池化层进行降维处理会丢失部分特征,导致分类精度有待提高的问题,提出FC-CNN(Fruit Classification Convolutional Neural Network)水果图像分类算法.该算法基于深度卷积神经网络思想,设计了一种由二维卷积层、批量规范化层和激活...     

基于Faster R-CNN复杂背景的茶芽检测

茶芽检测是判断茶树农艺性状的基础,也是研发基于计算机视觉采茶机器人的基础。针对复杂背景中传统茶芽检测方法准确率低、稳定性差等问题,提出一种基于深度学习的茶芽检测方法。以Faster R-CNN(region-convolutional neural network)算法为框架,比较AlexNet、ResNet50、VGG19 3种网络模型茶芽检测性能,寻找最佳网络模型。结果表明,使用VGG19的茶芽检测准确率为86.3%,召回率为96.1%,F1分数为0.909,综合检测效果最优。该方法可很好地应用于复杂背景茶芽检测。     

浅析建构主义在大学英语教学中的应用

建构主义理论重视学生的直接参与,重视学生的独立探索和自我学习能力的培养。把建构主义理论应用于我国大学英语教学,是对我国传统英语教学的改革和完善。首先对建构主义理论进行概述,然后分析建构主义应用于我国大学英语教学的必要性,最后就如何将建构主义理论应用于我国大学英语教学提出几点看法。     

在林区公安管理服务和队伍建设中实践以人为本——学习实践科学发展观的一点体会

这次全党开展的学习实践科学发展观活动,是党中央作出的重大战略决策,是"三个代表"重要思想学习教育活动和保持共产党员先进性教育活动的继续,对提高党的执政能力,保持党的先进性,推动国家经济发展,促进社会和谐稳定,实现全面建设小康社会奋斗目标,将起到重要的历史性的作用.林区公安机关和全体民警,应积极投身于这场思想再解放的过程中,重点解决思想观念和素质与党的先进性不完全适应、不完全符合的问题.学习实践科学发展观,学习是关键,实践是根本,落实是目的.要实践好、落实好,首先得学习好.     

正确的学习观念与成才

树立正确的学习观念,是大学生成才的基础。本文着重从方法上探讨学习,介绍五种不同的学习观念,供大学生在校学习期间借鉴。     

网络环境下大学英语课堂教学模式探索

本文就网络自主学习与课堂教学结合的新模式环境下, 探索大学英语读写译课程的课堂面授新模式,并阐述课堂面授的过程。本研究通过实验研究证明基于网络环境下的课堂面授新模式有助于发展学生英语语言能力, 并促进学生自主学习能力的提高。     

分层次教学与专业分流提高动物医学专业人才培养质量的探讨

针对动物医学的专业特点,结合黑龙江八一农垦大学动物医学专业的教学改革与实践经验,探讨了分层次教学与专业分流教学方式的实施原因、实施措施与效果,并分析了其中存在的问题。认为分层次教学与专业分流有助于提高动物医学专业人才的学习兴趣和培养质量。     

环境设计虚拟仿真教学与学生学习方式创新的研究——以园林设计专业为例

优质教学是可以建立和阐释学习重要性的教学方式:它可以帮助学生意识到学习的重要性,重视将学生的先前知识与自身特点、与课堂外的现实背景知识和多中思考方式以及不同的文化节前景建立联系。如何在现有条件下运用虚拟仿真教学来完善和弥补常规教学的缺陷,是摆在我们面前的重要课题。