本期推荐

1 基于Swin Transformer 的知识蒸馏模型在垃圾分类上的应用

在绿色发展的主题下，深度学习高效地进行垃圾分类方法亟待研究。在垃圾图像分类问题中，大尺寸图像包含着更丰富的信息。然而主流的基于CNN的深度学习难以从大尺寸图片中提取长序列特征。针对此问题，文章基于垃圾图像数据设计了基于Swin Transformer模型的算法框架。该算法框架不仅解决了长序列特征提取问题，还通过知识蒸馏方法解决了大模型体积过大难以部署的问题。算法最优准确率为94.4%，相较CNN 结构模型最高提升了11%的精度。为增加算法的实用性，文章使用了知识蒸馏方法把基础模型缩小为原来的1/3。实验结果表明文章的算法框架能较好地应用在大尺寸图像分类问题中，并且知识蒸馏方法能高效地提升大模型的部署实用性。

6 基于改进双线性的细粒度图像分类方法

文章研究了基于双线性卷积神经网络，结合可变形卷积和核化网络对动物数据集进行细粒度图像分类。其中，可变形卷积通过对特征值进行调整，能自适应被识别物体的特征边界，核聚合网络克服了BCNN仅关注线性相关的缺点，在非线性领域进一步增强细粒度特征的提取能力，丰富了不同通道间的卷积特征。实验在不同动物数据集上进行，与BCNN模型、其他改进BCNN的模型对比，精确度达到98.85%，同时证明了优异的泛化能力。

11 多维度数据采集与融合的劳动管理系统设计

随着信息化时代的发展，许多传统业务开始利用信息化手段，将业务从线下转移到线上，大大提升了工作的效率。而如今许多高校管理劳动实践活动仍采用传统的线下方式，存在效率低、人力成本高、活动管理难、劳动学时认定难等问题。尽管市面上社会志愿服务平台普遍存在，但在结合社会志愿服务与高校劳动实践活动管理相融合方面，仍存在平台信息不对称、组织管理混乱、学生参与积极性低等问题。为此，文章提出一种基于多维度数据采集与融合的劳动管理系统的设计，以提高劳动素质实践活动的效率和质量。该平台通过多维度数据采集，将其他平台志愿服务活动融入系统中，结合高校劳动活动管理，向学生提供更多更好的志愿服务机会，培养学生的社会责任感和公民意识。