本期推薦

1 基于Swin Transformer 的知識蒸餾模型在垃圾分類上的應用

在綠色發展的主題下，深度學習高效地進行垃圾分類方法亟待研究。在垃圾圖像分類問題中，大尺寸圖像包含著更豐富的信息。然而主流的基于CNN的深度學習難以從大尺寸圖片中提取長序列特征。針對此問題，文章基于垃圾圖像數據設計了基于Swin Transformer模型的算法框架。該算法框架不僅解決了長序列特征提取問題，還通過知識蒸餾方法解決了大模型體積過大難以部署的問題。算法最優準確率為94.4%，相較CNN 結構模型最高提升了11%的精度。為增加算法的實用性，文章使用了知識蒸餾方法把基礎模型縮小為原來的1/3。實驗結果表明文章的算法框架能較好地應用在大尺寸圖像分類問題中，并且知識蒸餾方法能高效地提升大模型的部署實用性。

6 基于改進雙線性的細粒度圖像分類方法

文章研究了基于雙線性卷積神經網絡，結合可變形卷積和核化網絡對動物數據集進行細粒度圖像分類。其中，可變形卷積通過對特征值進行調整，能自適應被識別物體的特征邊界，核聚合網絡克服了BCNN僅關注線性相關的缺點，在非線性領域進一步增強細粒度特征的提取能力，豐富了不同通道間的卷積特征。實驗在不同動物數據集上進行，與BCNN模型、其他改進BCNN的模型對比，精確度達到98.85%，同時證明了優異的泛化能力。

11 多維度數據采集與融合的勞動管理系統設計

隨著信息化時代的發展，許多傳統業務開始利用信息化手段，將業務從線下轉移到線上，大大提升了工作的效率。而如今許多高校管理勞動實踐活動仍采用傳統的線下方式，存在效率低、人力成本高、活動管理難、勞動學時認定難等問題。盡管市面上社會志愿服務平臺普遍存在，但在結合社會志愿服務與高校勞動實踐活動管理相融合方面，仍存在平臺信息不對稱、組織管理混亂、學生參與積極性低等問題。為此，文章提出一種基于多維度數據采集與融合的勞動管理系統的設計，以提高勞動素質實踐活動的效率和質量。該平臺通過多維度數據采集，將其他平臺志愿服務活動融入系統中，結合高校勞動活動管理，向學生提供更多更好的志愿服務機會，培養學生的社會責任感和公民意識。