基于双路式卷积神经网络的车辆与行人检测

针对低能见度状态下对车辆与行人的视觉特征难以提取的问题, 提出一种将2路卷积神经网络融合从而实现对车辆与行人识别的方法。采用高斯背景差分法实现图像去模糊, 在双路网络中分别采用不同尺寸的滤波器, 调整滤波器的大小得到不同环境下图片的特征值, 采用反向传播算法计算梯度。实验结果显示, 与单路式卷积神经网络对比, 在能见度低的环境中, 该方法对车辆的辨识率提高至83.49%, 对行人的辨识率提高至87.36%, 表明在低能见度环境中, 双路式卷积神经网络识别准确率高于单路式卷积神经网络。     

基于智能合约的投票方案的设计与研究

近年来随着区块链技术的快速发展,以比特币为代表的数字货币受到社会的广泛关注,以以太坊智能合约为代表的链上合约为区块链技术开辟了新领域。借助于智能合约开发人员可以方便地开发各类数字资产、游戏等程序,这些程序运作在区块链上,代码公开透明,数据安全可靠。文章首先介绍智能合约特性及设计原理,然后使用Solidity语言设计了一套基于区块链的投票智能合约,可用于各种社区社团的民主选举或网络投票。