引入全局约束的精简人脸关键点检测网络

人脸关键点检测是计算机视觉中的典型问题之一，对于人脸三维重建、表情识别、头部姿态估计、人脸跟踪等有重要影响。目前基于深度神经网络的模型在人脸关键点检测性能表现最为突出，已被广泛采用。但是现有关键点检测深度神经网络结构设计越来越复杂，对于训练和测试需要的计算和存储资源要求越来越高。本文提出一种新的精简的关键点检测网络结构以代替现有的网络结构。相对其他网络结构，精简网络只包含一个特征提取模块，以及由几层反卷积层组成的上采样模块。此外我们在网络结构中加入对人脸所有关键点的全局约束，以减少预测离群点的产生。实验表明引入全局约束的精简网络结构在300-W数据集上取得的检测性能超出了目前典型深度神经网络检测模型。      

基于弱监督的改进型GoogLeNet在DR检测中的应用

针对糖尿病视网膜病变分级检测中标定样本少、多目标检测的问题，提出了一种基于改进型GoogLeNet的弱监督目标检测网络。首先，对GoogLeNet网络进行改进，去掉最后一个全连接层并保留检测目标的位置信息，添加全局最大池化层，以sigmoid交叉熵作为训练的目标函数以获得带有多种特征位置信息的特征图；然后，基于弱监督方法仅使用类别标签对网络进行训练；其次，设计一种连通区域算法来计算特征连通区域边界坐标集合；最后在待测图片中使用边界框定位病灶。实验结果表明，在小样本条件下，改进模型准确率达到了94.5%，与SSD算法相比，准确率提高了10%。改进模型实现了小样本条件下端到端的病变识别，同时该模型的高准确率保证了模型在眼底筛查中具有应用价值。     

水滴型凸肋通道内流动换热的数值模拟

通过三维数值模拟方法,研究了水滴型凸肋通道内的阻力和换热特性,并重点考察了尾缘角度对特性的影响。工况为Re=100～700,尾缘角度=25°、30°、35°和60°。结果表明:水滴型凸肋通道的流阻比圆柱型的小,换热性能比圆柱型的好,具有更好的综合性能。对于水滴型凸肋通道,尾缘角度对流阻的影响相对不明显,而对换热的影响较明显。不同Re下水滴型凸肋通道综合性能的最优解不同,当Re=400～700时,30°为最优,当Re=100～400时,60°为最优。     

无线泛在网络全局用户标识方案设计的研究

针对无线泛在网络中标识技术存在的问题，给出了解决思路，从无线泛在网络全局用户标识关联模型、标识系统扩展、用户标识设计、标识信息储存设计、标识的更新与解析、标识信息存储设计优化等方面展开设计研究，提出了无线泛在网络全局用户标识方案，为无线泛在网络发展提供了参考。     

增强现实场景下移动边缘计算资源分配优化方法

针对高速数据传输及计算所带来时延和终端设备能耗问题，提出了一种在上行链路采用等功率分配的传输方案。首先，依据增强现实（AR）业务的协作属性建立了针对AR特性的系统模型；其次，详细分析了系统帧结构，建立以最小化系统消耗总能量为优化目标的约束条件；最后，在保障延迟和功耗满足约束的条件下，建立了基于凸优化的移动边缘计算（MEC）资源优化求解数学模型，从而获得最优的通信和计算资源分配方案。与独立传输相比，该方案在最大延迟时间分别为0.1 s和0.15 s时的总能耗降幅均为14.6%。仿真结果表明，在相同条件下，与基于用户独立传输的优化方案相比，考虑用户间协作传输的等功率MEC优化方案能显著减少系统消耗的总能量。