小风的城
我心自有明月在，不堕地狱不跪佛
目 录CONTENT
小风项目-小风的城
以下是
小风项目
相关的文章
-
多角度人脸识别（国家级大创项目） 该项目是一个国家级研究项目，旨在解决传统人脸识别技术在多角度场景下识别率低的问题。通过构建基于深度残差网络（ResNet）和多网络决策融合的系统，实现了对不同入镜角度人脸的高精度识别。项目将侧脸识别率从30%提升至86%，为监控等实际应用场景提供了有效的技术解决方案。 问题分析表明，传统人脸识别技术主要针对正脸设计，在多角度场景中表现不佳。初步实验显示，使用传统CNN训练所有角度数据时，正脸识别率可达89%，但侧脸识别率仅有30%。侧脸识别困难的原因在于有效特征点少且存在遮挡区域。 解决方案包括：重新划分数据集以按角度分类、设计多网络融合架构、采用ResNet提高特征提取能力、建立角度感知的决策机制。实施过程中，使用西安交通大学东方人脸数据库进行数据集构建与预处理，并分别训练了人脸检测、角度分类、正脸分类和侧脸分类四个子网络。优化过程涉及网络结构优化、数据增强策略、损失函数设计及分阶段训练方法。 反思改进方面，项目成功提升了整体准确率，但仍需进一步优化数据集划分策略、提高计算效率、扩充数据规模。涉及的关键技术包括ResNet、CNN、Softmax函数、人脸检测技术、特征提取与降维方法等。 -
美国大学生数学建模竞赛 - 2018 - E 本文介绍了美国大学生数学建模竞赛(MCM) E题的解决方案，旨在通过构建遗传算法优化的BP神经网络分类模型来智能判定一个国家是发达国家还是发展中国家。项目首先对包含经济、地理位置、人文等多个维度的高维数据进行预处理和特征选择，以减少计算成本并提高模型性能。采用遗传算法从数十个特征中筛选出8-12个关键特征，并利用这些特征训练BP神经网络。通过二进制编码、适应度函数设计及交叉变异等操作优化特征选择，结合三层BP神经网络结构（隐藏层64个神经元）实现高效分类。实验结果显示，该方法显著提升了分类准确率，但仍有改进空间，如使用更先进的特征选择算法和集成学习方法。最终，项目获得美赛S奖，并提出后续改进方向。
