• <tr id="yyy80"></tr>
  • <sup id="yyy80"></sup>
  • <tfoot id="yyy80"><noscript id="yyy80"></noscript></tfoot>
  • 99热精品在线国产_美女午夜性视频免费_国产精品国产高清国产av_av欧美777_自拍偷自拍亚洲精品老妇_亚洲熟女精品中文字幕_www日本黄色视频网_国产精品野战在线观看 ?

    基于PP-YOLOv2電廠場景的安全帽佩戴檢測

    2023-11-24 23:18:58辜誠煒諶志東羅仁強周宏貴鄭春華
    現(xiàn)代信息科技 2023年18期
    關(guān)鍵詞:深度學(xué)習(xí)神經(jīng)網(wǎng)絡(luò)

    辜誠煒 諶志東 羅仁強 周宏貴 鄭春華

    摘? 要:在電廠作業(yè)現(xiàn)場因未佩戴安全帽而導(dǎo)致人員傷亡的事件時有發(fā)生,人工監(jiān)測方式不能做到及時發(fā)現(xiàn)實時提醒,且容易因視覺疲勞而錯過一些目標,從而造成不必要的人員傷亡?;诖?,文章提出一種基于PP-YOLOv2電廠場景的安全帽佩戴檢測方法?;诎俣蕊w槳深度學(xué)習(xí)框架,使用PP-YOLOv2神經(jīng)網(wǎng)絡(luò),向訓(xùn)練數(shù)據(jù)集中添加電廠數(shù)據(jù)并使其占比超過1/3,可訓(xùn)練安全帽識別mAP(Mean Average Precision)高達94%的神經(jīng)網(wǎng)絡(luò)模型。同時,文章舉例了電廠攝像頭景深較深的畫面,人在攝像頭畫面中占比較小,而公開數(shù)據(jù)集數(shù)據(jù)的景深較淺,在訓(xùn)練前該團隊成員對部分數(shù)據(jù)進行了重新標注,增強了模型在電廠應(yīng)用的泛化能力。

    關(guān)鍵詞:深度學(xué)習(xí);安全帽佩戴檢測;PP-YOLOv2網(wǎng)絡(luò);神經(jīng)網(wǎng)絡(luò)

    中圖分類號:TP391.4? 文獻標識碼:A? 文章編號:2096-4706(2023)18-0114-05

    Safety Helmet Wearing Detection Based on PP-YOLOv2 Power Plant Scenario

    GU Chengwei1, CHEN Zhidong2, LUO Renqiang2, ZHOU Honggui2, ZHENG Chunhua2

    (1.Shenzhen Datang Baochang Power Supply Co., Ltd., Shenzhen? 518110, China;

    2.Hunan Datang Xianyi Technology Co., Ltd., Changsha? 410001, China)

    Abstract: There are frequent incidents of casualties caused by not wearing safety helmets at the power plant operation site. Manual monitoring methods cannot detect real-time reminders in a timely manner, and it is easy to miss some targets due to visual fatigue, resulting in unnecessary casualties. Based on this, this paper proposes a safety helmet wearing detection method based on the PP-YOLOv2 power plant scenario. Based on the Baidu Feijiang deep learning framework, the PP-YOLOv2 neural network is used to add power plant data to the training dataset and make it account for more than 1/3. It can train a neural network model with a helmet recognition mAP (Mean Average Precision) of up to 94%. At the same time, the paper provides examples of images with deep field in power plant cameras, where humans make up a relatively small proportion of the camera image, while the depth of field in public dataset data is relatively shallow. Before training, the team members re annotate some of the data, enhancing the application generalization ability of the model in power plant.

    Keywords: deep learning; safety helmet wearing detection; PP-YOLOv2 network; neural network

    0? 引? 言

    一直以來,施工人員佩戴安全帽是一項硬性規(guī)定。有研究表明,在建筑工地及巡檢現(xiàn)場中,接近90%的腦損傷因未正確佩戴安全帽引起[1]。盡管電廠管理明確規(guī)定,任何人進入電廠必須佩戴安全帽,卻仍有臨時工、民工等外單位人員進入電廠作業(yè)未佩戴安全帽,安全意識薄弱,存在很大的安全隱患[2]。傳統(tǒng)的安全帽檢測通常是人工現(xiàn)場監(jiān)督,或通過攝像機使工作人員在監(jiān)控室進行監(jiān)控,在電廠環(huán)境下,面對幾十甚至上百個監(jiān)控畫面,因監(jiān)控人員責任心、工作狀態(tài)、視覺疲勞等各種因素的影響下,整個視頻監(jiān)控系統(tǒng)的有效性無法得到保證,通常存在漏檢的風險。

    近年來,為了智能化檢測安全帽的佩戴情況,涌現(xiàn)出大量新穎算法,主要是基于傳感器和圖像處理兩種方式?;趥鞲衅鞯臋z測主要通過定位技術(shù)采集人、機、材的信息位置,提供給安全風險識別系統(tǒng)進行風險評估[3-5],但該模式受設(shè)備精度以及傳感器實際應(yīng)用推廣難度大。隨著深度學(xué)習(xí)的發(fā)展,使用神經(jīng)網(wǎng)絡(luò)訓(xùn)練識別安全帽佩戴的模型層出不窮。基于深度學(xué)習(xí)的檢測算法因其檢測速度快、準確性高等特點,成為當前安全帽檢測的主流算法[6]。

    雖然深度學(xué)習(xí)在目標檢測領(lǐng)域深受歡迎,但針對安全帽這樣的小目標識別準確率及檢測速度并不能滿足工程需求。直到文獻[7]提出了Faster R-CNN神經(jīng)網(wǎng)絡(luò)模型后,研究人員將該網(wǎng)絡(luò)進行改進并應(yīng)用于安全帽檢測。文獻[8]提出了Faster R-CNN+ZFNet的組合應(yīng)用在安全帽的檢測,mAP高達90.3%,檢測速度可達27 FPS。文獻[9]提出基于YOLO的半監(jiān)督學(xué)習(xí)安全帽佩戴識別算法,在一般場景下視頻流的建筑工人與安全帽檢測準確率在85.7%~93.7%。文獻[10]使用卡爾曼濾波和Hungarian匹配算法跟蹤人員軌跡,配合YOLOv3實現(xiàn)安全帽檢測,獲得了18 FPS的檢測速度和89%的準確率。文獻[11]將SSD算法和Mobilenet網(wǎng)絡(luò)融合,取得89.4% mAP。文獻[12]使用RetinaNet作為檢測網(wǎng)絡(luò),對快速移動的安全帽佩戴情況進行檢測,測試集上實現(xiàn)了72.3% mAP,處理速度14 FPS。然而,針對電廠的應(yīng)用場景,安全帽在整個視頻畫面中占比很小,若非人使用先驗知識,也無法分辨出安全帽。作者僅使用公共數(shù)據(jù)集訓(xùn)練神經(jīng)網(wǎng)絡(luò)模型,雖然訓(xùn)練完成正確率最高可達98.6%,但部署在電廠700多路攝像頭,每分鐘取一幀圖片進行識別,一天的誤報可達數(shù)萬條(包含誤報重復(fù)告警的情況),模型的泛化能力較差。通過分析數(shù)據(jù)、模型,發(fā)現(xiàn)訓(xùn)練數(shù)據(jù)與測試數(shù)據(jù)之間的特征像素點相差較大,且電廠場景包含大量的鋼管設(shè)備、關(guān)照條件不均衡等因素導(dǎo)致誤報嚴重。本文研發(fā)團隊采集一個月的電廠數(shù)據(jù),數(shù)據(jù)清洗后將其標注并添加到公共數(shù)據(jù)集一同參與訓(xùn)練,使用百度飛漿的PP-YOLOv2模型,訓(xùn)練出識別率較高的網(wǎng)絡(luò)模型,并滿足電廠要求,且已上線使用。

    1? PP-YOLOv2簡介

    PP-YOLOv2是百度于2021年4月提出基于PP-YOLO改進的神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu),PP-YOLO是百度2020年8月基于YOLOv3改進的神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu),使用百度開發(fā)的Paddle Paddle神經(jīng)網(wǎng)絡(luò)框架訓(xùn)練,因此命名為PP-YOLO。

    PP-YOLO擁有45.2% mAP的正確率和72.9 FPS的幀率,優(yōu)于當年較為流行的EfficientDet和YOLOv4的準確率和推理速度。PP-YOLO的主干網(wǎng)絡(luò)將Dacknet-53替換成改進后的ResNet50-vd,并在最后將3×3卷積替換為Deformable Convolutional Networks(DCN),因此形成ResNet50-vd-dcn命名的Backbone。選擇ResNet作為Backbone一方面因為其被大眾廣泛使用、優(yōu)化程度更深、部署方便;另一方面是主干網(wǎng)絡(luò)和數(shù)據(jù)增強是相互獨立的關(guān)系。數(shù)據(jù)增強使用最基本的MixUP,并將訓(xùn)練的batch size從64增大至192,增大batch size可提高訓(xùn)練的穩(wěn)定性和得到更好的訓(xùn)練結(jié)果。PP-YOLO并沒有提出創(chuàng)新的技巧,只是組合使用了現(xiàn)有的技巧,使YOLOv3提高精度的同時不損失速度。

    PP-YOLOv2是基于PP-YOLO的改進,通過多種有效改進方法的組合,使PP-YOLO在COCO2017 test-dev數(shù)據(jù)上的性能從45.9% mAP提升到49.5% mAP,故稱模型為PP-YOLOv2。PP-YOLOv2的推理能力可達68.9 FPS@640×640的輸入尺寸。采用百度飛漿的Paddle推理引擎+TensorRT+FP16+bs1,可進一步將PP-YOLOv2的推理速度提升至106.5 FPS。這樣的性能超越了同等參數(shù)量的檢測器YOLOv5l、YOLOv4-CSP等模型,如圖1所示。此外,采用ResNet101-vd-dcn作為骨干網(wǎng)絡(luò)的PP-YOLOv2可在COCO2017 test-dev數(shù)據(jù)集上獲得50.3% mAP的性能[13]。

    下文針對PP-YOLOv2相比PP-YOLO的主要改進進行描述:

    1)預(yù)處理:首先采用Mixup訓(xùn)練[14](服從Beta(1.5,1.5)分布);然后以0.5概率逐個執(zhí)行RandomColorDistortion、RandomExpand、RandCrop、RandomFlip方案;執(zhí)行歸一化mean=[0.485,0.456,0.406],std=[0.229,0.224,0.225];最后輸出尺寸從[320、352、384、416、448、480、512、544、576、608]中隨機抽取進行多尺度訓(xùn)練。

    2)基準模型:PP-YOLOv2的基準模型為YOLOv3改進版的PP-YOLO,進一步說明,它的骨干網(wǎng)絡(luò)是ResNet50-vd,通過總計10個改進方案(包含SSLD、Deformable Conv、DropBlock、CoordConv、SPP等)改進了YOLOv3的性能,并且?guī)缀醪挥绊懲评淼男省?/p>

    3)訓(xùn)練機制:在COCO train 2017上,采用隨機梯度下降(SGD)訓(xùn)練網(wǎng)絡(luò)500k次迭代,minibatch設(shè)置為96,分布在8張GPU上計算。在前4k次迭代中學(xué)習(xí)率線性地從0提升到0.005,然后在400k和450k處除以10。權(quán)值衰減設(shè)置為0.000 5,動量設(shè)置為0.9,與此同時,采用了梯度裁剪的方法穩(wěn)定訓(xùn)練過程。

    4)Mish激活函數(shù):Mish激活函數(shù)[15]在YOLOv4和YOLOv5等探測器中被證明是有效的,它們在主干中采用Mish激活函數(shù)。由于PP-YOLOv2有一個非常強的預(yù)訓(xùn)練骨干模型(在ImageNet上達到82.4%的top-1精度),為保持骨干結(jié)構(gòu)不變,我們僅將Mish用到了Neck部分。

    5)更大的輸入大?。涸黾虞斎氤叽缈梢栽龃竽繕吮桓兄拿娣e,因此,小尺度的目標信息將比之前更好地保存,進而可提升模型的性能。然而,更大尺寸輸入會占用更多內(nèi)存,因此,需通過減少batch應(yīng)用此技巧。具體來說,我們將單個GPU的batch從24減少到12,并將輸入尺寸從608增加到768。輸入尺寸均勻地從[320、352、384、416、448、480、512、544、576、608、640、672、704、736、768]中獲取。

    6)IoU感知分支:在PP-YOLO中,IoU感知損失是以軟加權(quán)方式計算的,IoU損失定義為:

    其中,t為錨點與其匹配的真實框之間的IoU,p為原始IoU分支的輸出,σ (·)為sigmoid激活函數(shù)。值得注意的是:僅僅正樣本的IoU損失進行了計算。通過替換損失函數(shù),IoU損失表現(xiàn)更佳。

    2? 模型訓(xùn)練

    論文所提及的安全帽識別目標檢測模型訓(xùn)練基于百度開源的深度學(xué)習(xí)框架飛槳(PaddlePaddle)、目標檢測框架PaddleDetection。訓(xùn)練的硬件條件和環(huán)境配置:Intel Core i7-9700處理器、16 GB運行內(nèi)存、64位操作系統(tǒng)、GeForce RTX 2070 SUPER(GPU型號)、8 G顯存、磁盤500 G、Python 3.8、PaddlePaddle 2.4.2??偣矆D片12 977張,其中訓(xùn)練圖片9 084張、驗證圖片2 595張、測試圖片1 298張。

    參數(shù)設(shè)置:因訓(xùn)練集中包含了5 396張電廠數(shù)據(jù),每張大小為1 920×1 280,在已有的GPU資源訓(xùn)練時間較長,因此設(shè)置一個較大的epoch記錄訓(xùn)練過程的loss和mAP值,本實驗設(shè)置epoch為500 000次。batch size設(shè)置為8(設(shè)置16顯存不夠),其余參數(shù)使用飛槳默認即可,可按照百度飛槳官方文檔(https://github.com/PaddlePaddle/PaddleYOLO)準備訓(xùn)練。

    訓(xùn)練結(jié)果:在epoch大約為50 000次時,loss值開始動蕩,mAP值也達到了94%的峰值,loss-iteration-mAP曲線如圖2所示,最后在epoch為130 700時,我們終止了訓(xùn)練。

    3? 實驗結(jié)果和分析

    針對上一章節(jié)的訓(xùn)練結(jié)果,并不是目前學(xué)術(shù)界及工業(yè)界最好的mAP(IoU 0.5),但是它是本文作者所在團隊部署到電廠檢測效果最好的模型(注:并不是主流模型作者都進行了實驗)。目前該算法已部署在電廠700余路高清攝像頭,覆蓋主要生產(chǎn)及保衛(wèi)區(qū)域,基本實現(xiàn)重要設(shè)備及通道的視頻覆蓋。在廠區(qū)部署了3個5G宏基站和10個室分基站,做到5G信號全覆蓋,滿足偏遠區(qū)域視頻監(jiān)控及移動監(jiān)控的需求。

    電廠場景安全帽檢測結(jié)果如圖3所示,安全帽的類別標簽為“helmet”“helmet”字符后面顯示的數(shù)值是置信度。圖3中的a部分展現(xiàn)了電廠外景攝像圖的正常監(jiān)視范圍,可以了解到電廠室外攝像頭的景深較深,人在場景內(nèi)的占比很小,安全帽則更小,在景深較深處的工人是否佩戴安全帽人眼也難分辨。圖3的b~g是與a圖同樣像素點大小的圖片中截取目標檢測部分,方便讀者看清楚。b~g截圖時保留了目標在原圖的大小顯示,可知訓(xùn)練的模型要滿足電廠室內(nèi)和室外的場景需求,室內(nèi)的工作人員在攝像圖片中占比相對較大,安全帽也比較清晰,使用公共數(shù)據(jù)集訓(xùn)練的模型識別的正確率也相對較高,但是針對外景,人距離攝像頭較遠時,如圖3的a示例展現(xiàn)的工作人員大小,漏報及錯報的情況相當嚴重。

    通過僅公共數(shù)據(jù)集訓(xùn)練的模型錯檢的案例如圖4所示,導(dǎo)致這些場景錯檢的原因主要是標注數(shù)據(jù)時,僅標注了人頭及佩戴安全帽的部分,且公共數(shù)據(jù)集的背景環(huán)境相對簡單,電廠生產(chǎn)區(qū)域存在各種專業(yè)設(shè)備、鋼管結(jié)構(gòu)等復(fù)雜場景,這些通過公共數(shù)據(jù)集訓(xùn)練無法學(xué)習(xí)到的,即使更換數(shù)據(jù)集甚至增加數(shù)據(jù)集數(shù)據(jù)(注:本文作者所在團隊因前期沒有電廠數(shù)據(jù)已試過增加數(shù)據(jù)集和更換數(shù)據(jù)集的方法),仍存在設(shè)備誤檢且置信度高于0.5的結(jié)果。

    針對電廠環(huán)境內(nèi)使用深度學(xué)習(xí)算法實現(xiàn)安全帽佩戴檢測的難點主要是數(shù)據(jù)收集,如圖5所示。公開的安全帽數(shù)據(jù)集中安全帽在整幅圖片占比如圖5的a~c所示,相對于電廠場景圖片的安全帽在整張圖片中占比較大。電廠的實際情況如圖5的d~f所示,可見表示安全帽的像素點很少,考慮到使用公共數(shù)據(jù)集訓(xùn)練的模型泛化能力不高的情況,本文作者所在團隊決定采集一個月的電廠數(shù)據(jù)。通常,電廠場景內(nèi)施工人員較少,95%以上的攝像頭拍攝場景內(nèi)大部分時間沒有人出現(xiàn),團隊成員使用JAVA和Python編程語言編寫一個針對每個場景若檢測到人則將該幀圖片保存的程序,人的檢測使用了YOLOv7預(yù)訓(xùn)練模型,盡管存在部分誤報的情況,但少了工作量。將上述程序部署在電廠服務(wù)器可實時計算攝像頭場景是否有人,抓圖時間間隔1分鐘。

    經(jīng)過對收集到的數(shù)據(jù)進行清理,總共放入數(shù)據(jù)集中的電廠數(shù)據(jù)5 396張,使用百度的“飛漿EasyDL”軟件進行數(shù)據(jù)標注,電廠數(shù)據(jù)和公共數(shù)據(jù)集數(shù)據(jù)總數(shù)是12 977張。標注框僅為脖子以上部分,如圖6所示,紫色矩形框的標簽為人頭(head),藍色矩形框的標簽為安全帽(helmet)。用于訓(xùn)練的電廠數(shù)據(jù)中每個場景添加了兩張無人的圖片,由于收集一個月的數(shù)據(jù),有些場景并沒有抓到有人的圖片,一方面原因一分鐘抓一幀,人已不在攝像頭所監(jiān)控的范圍內(nèi)(一分鐘走過了攝像頭所監(jiān)控的范圍);另一方面是YOLOv7預(yù)訓(xùn)練模型正確率的問題。使用無人的圖片訓(xùn)練有助于背景的學(xué)習(xí)。

    將數(shù)據(jù)集重新標注之后,使用PP-YOLOv2進行訓(xùn)練,可取得如圖7所示的約為94%mAP。將模型直接部署到電廠后,我們通過設(shè)置置信度0.5濾除設(shè)備誤報的情況,同時,在用戶界面配置算法時,開啟了可由用戶調(diào)整當個監(jiān)控場景置信度的功能,可根據(jù)場景降低置信度,減少漏檢的發(fā)生。此外,部署后偶爾會出現(xiàn)誤報,比如光照條件較暗,易將安全帽識別成頭,這種情況通常需要人的先驗知識判斷。

    4? 結(jié)? 論

    本文主要闡述了電廠內(nèi)人員佩戴安全帽對安全作業(yè)的重要性,以及提出了智能化實時監(jiān)測的必要性。本文花費大量的篇幅描述了為什么使用公共數(shù)據(jù)集訓(xùn)練的模型在電廠泛化性差,主要由于安全帽數(shù)據(jù)特征表征差異大。作者所在團隊通過在電廠內(nèi)服務(wù)器上部署抓圖軟件對電廠有人的圖片進行采集,最終將5 376張電廠數(shù)據(jù)并入公共數(shù)據(jù)集,使用百度“飛漿EasyDL”重新標注所有的數(shù)據(jù),基于百度飛漿PaddlePaddle訓(xùn)練PP-YOLOv2模型,最終得到mAP為94%的模型。

    參考文獻:

    [1] LI H,LI X Y,LUO X C,et al. Investigation of the causality patterns of non-helmet use behavior of construction workers [J].Automation in Construction,2017,80:95-103.

    [2] 朱明增.變電站現(xiàn)場佩戴安全帽智能監(jiān)控預(yù)警系統(tǒng)研究 [J].中國新技術(shù)新產(chǎn)品,2015(24):178-179.

    [3] DONG S,HE Q H,LI H,et al. Automated PPE Misuse Identification and Assessment for Safety Performance Enhancement [EB/OL].[2023-02-18].https://ascelibrary.org/doi/10.1061/9780784479377.024.

    [4] KELM A,LAUSSAT L,MEINS-BECKER A,et al. Mobile passive Radio Frequency Identification (RFID) portal for automated and rapid control of Personal Protective Equipment (PPE) on construction sites [J].Automation in Construction,2013,36:38-52.

    [5] BARRO-TORRES S,F(xiàn)ERNANDEZ-CARAMES T M,PEREZ-LGLESIAS H J,et al. Real-Time Personal Protective Equipment Monitoring System [J].Computer Communications,2012,36(1):42-50.

    [6] 李政謙,劉暉.基于深度學(xué)習(xí)的安全帽佩戴檢測算法綜述 [J].計算機應(yīng)用與軟件,2022,39(6):194-202.

    [7] REN S Q,He K M,GIRSHICK R,et al. Faster R-CNN:Towards Real-Time Object Detection with Region Proposal Networks [J/OL].arXiv:1506.01497 [cs.CV].[2023-02-18].https://arxiv.org/abs/1506.01497.

    [8] FU J T,CHEN Y Z,CHEN S W. Design and Implementation of Vision Based Safety Detection Algorithm for Personnel in Construction Site [EB/OL].[2023-02-18].https://www.semanticscholar.org/paper/Design-and-Implementation-of-Vision-Based-Safety-in-Fu-Chen/9e22ef48b825eac3f417437ff2cc43c3d85128a7.

    [9] 王秋余.基于視頻流的施工現(xiàn)場工人安全帽佩戴識別研究 [D].武漢:華中科技大學(xué),2018.

    [10] ZHAO Y,CHEN Q,CAO W G,et al. Deep Learning for Risk Detection and Trajectory Tracking at Construction Sites [J].IEEE Access,2019,7:30905-30912.

    [11] 李小偉.輕量級深度學(xué)習(xí)目標檢測算法研究及系統(tǒng)設(shè)計 [D].合肥:安徽大學(xué),2019.

    [12] CROITORU I,BOGOLIN S V,LEORDEANU M. Unsupervised Learning from Video to Detect Foreground Objects in Single Images [C]//2017 IEEE International Conference on Computer Vision (ICCV).Venice:IEEE,2017:4345-4353.

    [13] HUANG X,WANG X X,LV W Y,et al. PP-YOLOv2:A Practical Object Detector [J/OL].arXiv:2104.10419[cs.CV].[2023-02-18].https://arxiv.org/abs/2104.10419v1.

    [14] ZHANG H Y,CISSE M,DAUPHIN Y,et al. mixup: Beyond Empirical Risk Minimization [J/OL].arXiv:1710.09412 [cs.LG].[2023-02-19].https://arxiv.org/abs/1710.09412.

    [15] MISRA D. Mish:A Self Regularized Non-Monotonic Activation Function [J/OL].arXiv:1908.08681[cs.LG].[2023-02-19].https://arxiv.org/abs/1908.08681v2.

    作者簡介:辜誠煒(1993—),男,漢族,湖南長沙人,助理工程師,本科,主要研究方向:智能發(fā)電研究;諶志東(1978—),男,漢族,湖南益陽人,高級工程師,本科,主要研究方向:智慧電廠、數(shù)據(jù)通訊;羅仁強(1972—),男,漢族,湖南衡陽人,助理工程師,??疲饕芯糠较颍褐腔垭姀S、自動化管理;周宏貴(1973—),男,漢族,湖南衡陽人,高級工程師,本科,主要研究方向:能源生產(chǎn)數(shù)字化化轉(zhuǎn)型研究、生產(chǎn)技術(shù)與信息技術(shù)兩化融化技術(shù)研究;鄭春華(1982—),男,漢族,河南衡水人,工程師,本科,主要研究方向:智慧電廠與智能發(fā)電研究。

    猜你喜歡
    深度學(xué)習(xí)神經(jīng)網(wǎng)絡(luò)
    神經(jīng)網(wǎng)絡(luò)抑制無線通信干擾探究
    電子制作(2019年19期)2019-11-23 08:42:00
    有體驗的學(xué)習(xí)才是有意義的學(xué)習(xí)
    電子商務(wù)中基于深度學(xué)習(xí)的虛假交易識別研究
    MOOC與翻轉(zhuǎn)課堂融合的深度學(xué)習(xí)場域建構(gòu)
    大數(shù)據(jù)技術(shù)在反恐怖主義中的應(yīng)用展望
    深度學(xué)習(xí)算法應(yīng)用于巖石圖像處理的可行性研究
    基于深度卷積網(wǎng)絡(luò)的人臉年齡分析算法與實現(xiàn)
    軟件工程(2016年8期)2016-10-25 15:47:34
    基于神經(jīng)網(wǎng)絡(luò)的拉矯機控制模型建立
    重型機械(2016年1期)2016-03-01 03:42:04
    復(fù)數(shù)神經(jīng)網(wǎng)絡(luò)在基于WiFi的室內(nèi)LBS應(yīng)用
    基于支持向量機回歸和RBF神經(jīng)網(wǎng)絡(luò)的PID整定
    天堂中文最新版在线下载 | 成人高潮视频无遮挡免费网站| 国产精品久久久久久久电影| 精品国产三级普通话版| 亚洲欧美日韩卡通动漫| 久久草成人影院| 国产伦精品一区二区三区四那| 亚洲av二区三区四区| 国产三级在线视频| 美女xxoo啪啪120秒动态图| 成人av在线播放网站| 观看免费一级毛片| 久久鲁丝午夜福利片| 日韩精品青青久久久久久| 七月丁香在线播放| 性色avwww在线观看| 国产精品久久久久久久久免| 久久久久国产网址| 中文欧美无线码| 高清av免费在线| 大香蕉97超碰在线| 精品一区二区三卡| 永久网站在线| 国产黄a三级三级三级人| 国产在视频线精品| 国产探花在线观看一区二区| 国产永久视频网站| 久久久精品94久久精品| 国产乱来视频区| 日韩欧美一区视频在线观看 | 精品欧美国产一区二区三| 色尼玛亚洲综合影院| 黄色一级大片看看| 久久精品夜夜夜夜夜久久蜜豆| 天美传媒精品一区二区| 久久精品久久久久久久性| 日日摸夜夜添夜夜添av毛片| 精品人妻视频免费看| av在线天堂中文字幕| 亚洲人与动物交配视频| 免费看不卡的av| 边亲边吃奶的免费视频| 青春草亚洲视频在线观看| 我要看日韩黄色一级片| 亚洲四区av| 午夜久久久久精精品| 天天一区二区日本电影三级| 精品久久久久久久久亚洲| 欧美性猛交╳xxx乱大交人| 最近的中文字幕免费完整| 联通29元200g的流量卡| 日韩av在线免费看完整版不卡| 久久久久久久久久黄片| 久99久视频精品免费| 国产色婷婷99| 成人毛片60女人毛片免费| 日韩欧美三级三区| 亚洲精品影视一区二区三区av| 18禁动态无遮挡网站| 久久精品国产亚洲av涩爱| 街头女战士在线观看网站| 国产精品爽爽va在线观看网站| 亚洲成人久久爱视频| 80岁老熟妇乱子伦牲交| 1000部很黄的大片| 欧美一区二区亚洲| 蜜桃久久精品国产亚洲av| 精品酒店卫生间| 身体一侧抽搐| 欧美高清成人免费视频www| 麻豆国产97在线/欧美| 看非洲黑人一级黄片| 亚洲国产欧美在线一区| 一级毛片久久久久久久久女| 日韩欧美精品免费久久| 能在线免费观看的黄片| 亚洲精品国产av蜜桃| 可以在线观看毛片的网站| 人妻制服诱惑在线中文字幕| 人妻夜夜爽99麻豆av| 精品人妻视频免费看| 九色成人免费人妻av| 亚洲国产精品成人综合色| 亚洲欧美一区二区三区国产| 十八禁国产超污无遮挡网站| 欧美区成人在线视频| 日韩av不卡免费在线播放| 国产国拍精品亚洲av在线观看| 国产老妇伦熟女老妇高清| 国产淫语在线视频| 亚洲欧美日韩无卡精品| 97热精品久久久久久| 亚洲美女搞黄在线观看| 三级国产精品欧美在线观看| 青青草视频在线视频观看| 又爽又黄无遮挡网站| 久久精品国产亚洲av涩爱| 少妇丰满av| 少妇猛男粗大的猛烈进出视频 | 热99在线观看视频| 男女那种视频在线观看| 日本一二三区视频观看| 少妇人妻精品综合一区二区| 中文字幕人妻熟人妻熟丝袜美| 美女被艹到高潮喷水动态| 少妇熟女aⅴ在线视频| 国产爱豆传媒在线观看| 草草在线视频免费看| 亚洲成人中文字幕在线播放| 亚洲av男天堂| 免费播放大片免费观看视频在线观看| 高清av免费在线| 性色avwww在线观看| 中文字幕亚洲精品专区| 80岁老熟妇乱子伦牲交| 精品一区二区三区人妻视频| 亚洲综合色惰| 国产成人aa在线观看| 尾随美女入室| 亚洲伊人久久精品综合| 午夜激情福利司机影院| 成年版毛片免费区| 国产亚洲91精品色在线| 国产亚洲一区二区精品| 成人亚洲欧美一区二区av| 国产亚洲91精品色在线| 免费看日本二区| av天堂中文字幕网| 亚洲18禁久久av| 国产成人aa在线观看| 亚洲,欧美,日韩| 欧美bdsm另类| 日韩亚洲欧美综合| 免费看光身美女| 国产一区二区在线观看日韩| 亚洲国产色片| 免费看光身美女| 日日撸夜夜添| 成年免费大片在线观看| 亚洲成人av在线免费| av又黄又爽大尺度在线免费看| 免费黄色在线免费观看| 精品少妇黑人巨大在线播放| 久久久久久久久大av| 男人和女人高潮做爰伦理| 午夜免费男女啪啪视频观看| 搡女人真爽免费视频火全软件| 亚洲欧美清纯卡通| av在线亚洲专区| 最新中文字幕久久久久| 日韩 亚洲 欧美在线| 熟妇人妻久久中文字幕3abv| 亚洲av福利一区| 99热这里只有是精品在线观看| 久久久久久久久久久免费av| 激情 狠狠 欧美| 免费黄网站久久成人精品| 大话2 男鬼变身卡| 日日干狠狠操夜夜爽| 老女人水多毛片| 亚洲精品乱码久久久久久按摩| 日韩成人av中文字幕在线观看| av黄色大香蕉| 欧美xxⅹ黑人| 69av精品久久久久久| 免费黄频网站在线观看国产| 久久国产乱子免费精品| 免费观看的影片在线观看| 欧美97在线视频| 亚洲av中文av极速乱| 啦啦啦中文免费视频观看日本| 中文在线观看免费www的网站| 91久久精品电影网| 在线观看免费高清a一片| 男女那种视频在线观看| 亚洲精品日本国产第一区| 大又大粗又爽又黄少妇毛片口| 免费高清在线观看视频在线观看| 午夜福利视频1000在线观看| 国内精品一区二区在线观看| 国产精品三级大全| 久久久久久久久久久丰满| 纵有疾风起免费观看全集完整版 | 99热全是精品| 国产有黄有色有爽视频| 日本免费a在线| 久久精品国产亚洲av天美| 精品一区二区三区人妻视频| 在线观看免费高清a一片| 国产探花在线观看一区二区| 日韩制服骚丝袜av| 天堂俺去俺来也www色官网 | 一区二区三区免费毛片| 美女被艹到高潮喷水动态| 精品久久久久久久久亚洲| 男人和女人高潮做爰伦理| 欧美人与善性xxx| 丰满人妻一区二区三区视频av| 久久精品国产亚洲网站| 亚洲欧美一区二区三区黑人 | 亚洲欧美一区二区三区国产| 在线 av 中文字幕| av黄色大香蕉| 国产成人精品福利久久| 在线观看一区二区三区| 亚洲国产精品成人综合色| 99热这里只有精品一区| 国产精品一区二区三区四区免费观看| 亚洲熟女精品中文字幕| 日本av手机在线免费观看| 韩国高清视频一区二区三区| 亚洲无线观看免费| 深夜a级毛片| 久久99热这里只频精品6学生| 中文字幕人妻熟人妻熟丝袜美| 国产av在哪里看| 18禁裸乳无遮挡免费网站照片| 久久久欧美国产精品| 亚洲国产精品专区欧美| 欧美成人精品欧美一级黄| 永久网站在线| 欧美日韩国产mv在线观看视频 | 中文在线观看免费www的网站| 久久久午夜欧美精品| 一级毛片我不卡| 国产伦在线观看视频一区| 亚州av有码| 亚洲成人一二三区av| 精品一区二区三区人妻视频| 亚洲婷婷狠狠爱综合网| 久久久久国产网址| 免费大片18禁| av专区在线播放| 男女下面进入的视频免费午夜| 97热精品久久久久久| 一级黄片播放器| 国产午夜精品久久久久久一区二区三区| 免费播放大片免费观看视频在线观看| 观看美女的网站| 日韩一区二区三区影片| 麻豆成人av视频| 亚洲真实伦在线观看| 日本爱情动作片www.在线观看| 国产91av在线免费观看| 黄色日韩在线| 一级毛片 在线播放| 禁无遮挡网站| 亚洲在线自拍视频| 身体一侧抽搐| 2018国产大陆天天弄谢| 韩国av在线不卡| 国产伦理片在线播放av一区| 少妇丰满av| 亚洲精品国产av成人精品| 国产免费又黄又爽又色| 2022亚洲国产成人精品| 观看美女的网站| 免费黄网站久久成人精品| 亚洲精品日韩在线中文字幕| 日韩亚洲欧美综合| av.在线天堂| 69av精品久久久久久| 亚洲精华国产精华液的使用体验| 亚洲精品乱久久久久久| 伊人久久国产一区二区| 成人国产麻豆网| 建设人人有责人人尽责人人享有的 | 你懂的网址亚洲精品在线观看| 久久99热这里只频精品6学生| 国产激情偷乱视频一区二区| 爱豆传媒免费全集在线观看| 精品久久久久久久久久久久久| 蜜臀久久99精品久久宅男| 日本欧美国产在线视频| 国产高清不卡午夜福利| 亚洲欧美日韩卡通动漫| 亚洲欧美日韩东京热| 综合色av麻豆| 天堂网av新在线| 成人国产麻豆网| 麻豆av噜噜一区二区三区| 成年女人看的毛片在线观看| 毛片一级片免费看久久久久| 黄色一级大片看看| 一区二区三区四区激情视频| 搞女人的毛片| 成人漫画全彩无遮挡| 欧美一级a爱片免费观看看| 日韩精品有码人妻一区| 精品久久久久久成人av| av免费观看日本| 人妻系列 视频| 两个人的视频大全免费| 国产精品嫩草影院av在线观看| 波野结衣二区三区在线| 激情 狠狠 欧美| 美女被艹到高潮喷水动态| 丰满人妻一区二区三区视频av| 成年av动漫网址| 国产黄频视频在线观看| 天堂俺去俺来也www色官网 | av女优亚洲男人天堂| 人人妻人人澡人人爽人人夜夜 | 久久精品熟女亚洲av麻豆精品 | 99热这里只有精品一区| 少妇丰满av| 成人二区视频| 2022亚洲国产成人精品| 人妻系列 视频| 在线观看av片永久免费下载| 亚洲人与动物交配视频| 亚洲激情五月婷婷啪啪| 简卡轻食公司| 国产女主播在线喷水免费视频网站 | kizo精华| 成人特级av手机在线观看| 亚洲三级黄色毛片| 亚洲18禁久久av| 亚洲天堂国产精品一区在线| 99久久九九国产精品国产免费| 国产成人免费观看mmmm| 国产亚洲av片在线观看秒播厂 | 青春草国产在线视频| 国产免费一级a男人的天堂| 在线观看免费高清a一片| 免费看光身美女| 一级毛片久久久久久久久女| 国产伦理片在线播放av一区| 免费看美女性在线毛片视频| 欧美激情国产日韩精品一区| 青春草亚洲视频在线观看| 国产午夜精品一二区理论片| 日韩强制内射视频| 18+在线观看网站| 欧美另类一区| 天堂av国产一区二区熟女人妻| 国产真实伦视频高清在线观看| 狂野欧美白嫩少妇大欣赏| 永久免费av网站大全| 99久国产av精品国产电影| av天堂中文字幕网| 久久久久九九精品影院| 永久网站在线| av女优亚洲男人天堂| 国产成人精品久久久久久| 免费观看的影片在线观看| 美女脱内裤让男人舔精品视频| 午夜福利在线观看吧| 亚洲成色77777| 国产成人a∨麻豆精品| 国产精品一区二区三区四区免费观看| 97在线视频观看| 精品99又大又爽又粗少妇毛片| 国产淫片久久久久久久久| 嫩草影院入口| 高清在线视频一区二区三区| 国产黄色免费在线视频| 少妇猛男粗大的猛烈进出视频 | 国产在线一区二区三区精| 亚洲精品乱码久久久久久按摩| 久久6这里有精品| 国产激情偷乱视频一区二区| 国内揄拍国产精品人妻在线| 午夜爱爱视频在线播放| 精品酒店卫生间| 丰满乱子伦码专区| 亚洲精品一区蜜桃| 国产av在哪里看| 午夜福利视频1000在线观看| 亚洲,欧美,日韩| 九色成人免费人妻av| 日本三级黄在线观看| 亚洲激情五月婷婷啪啪| 国语对白做爰xxxⅹ性视频网站| 国产一区二区三区综合在线观看 | 天堂√8在线中文| 亚洲人成网站高清观看| 精品久久久久久久久av| 80岁老熟妇乱子伦牲交| 免费看美女性在线毛片视频| 岛国毛片在线播放| 嫩草影院入口| 天堂中文最新版在线下载 | 天堂俺去俺来也www色官网 | 国产乱来视频区| 人人妻人人澡欧美一区二区| 又爽又黄无遮挡网站| 哪个播放器可以免费观看大片| 在线免费观看不下载黄p国产| 亚洲欧美精品自产自拍| 午夜福利视频精品| 69人妻影院| 啦啦啦啦在线视频资源| 看十八女毛片水多多多| 欧美另类一区| 国产在视频线在精品| 免费看a级黄色片| 99久久精品国产国产毛片| 看免费成人av毛片| 国产亚洲91精品色在线| 久久久久久久大尺度免费视频| 男女边摸边吃奶| 男女视频在线观看网站免费| 亚洲精品一二三| 国产国拍精品亚洲av在线观看| 亚洲图色成人| 免费看a级黄色片| 亚洲欧美中文字幕日韩二区| 国产黄片美女视频| 乱人视频在线观看| 啦啦啦韩国在线观看视频| 日本wwww免费看| 麻豆av噜噜一区二区三区| 中文天堂在线官网| 99热这里只有是精品在线观看| 日韩欧美精品v在线| 嘟嘟电影网在线观看| 又大又黄又爽视频免费| 真实男女啪啪啪动态图| 九色成人免费人妻av| 18+在线观看网站| 少妇裸体淫交视频免费看高清| 免费大片黄手机在线观看| 精品久久久久久久末码| 国产午夜福利久久久久久| 中文乱码字字幕精品一区二区三区 | 有码 亚洲区| 久久久欧美国产精品| 综合色丁香网| 在线a可以看的网站| 插阴视频在线观看视频| 22中文网久久字幕| 免费看av在线观看网站| 99久久精品热视频| 亚洲在线观看片| 一级毛片电影观看| 亚洲欧美日韩东京热| 久久午夜福利片| 国产免费福利视频在线观看| 人妻系列 视频| av国产免费在线观看| 亚洲精品一区蜜桃| 日本猛色少妇xxxxx猛交久久| 国产在线男女| 欧美激情在线99| 在线天堂最新版资源| 国产精品久久久久久精品电影小说 | 日韩视频在线欧美| 成人漫画全彩无遮挡| 日韩,欧美,国产一区二区三区| 欧美xxxx黑人xx丫x性爽| 国内精品美女久久久久久| 少妇人妻精品综合一区二区| 国产一区二区在线观看日韩| 日本一本二区三区精品| 国产高清国产精品国产三级 | 人人妻人人看人人澡| 18禁在线播放成人免费| 免费av不卡在线播放| 国产亚洲精品久久久com| 亚洲精品乱码久久久久久按摩| 亚洲精品中文字幕在线视频 | 亚洲精品中文字幕在线视频 | 嘟嘟电影网在线观看| 精品久久久久久电影网| 久久这里有精品视频免费| 少妇裸体淫交视频免费看高清| 一个人看的www免费观看视频| 只有这里有精品99| 日韩一区二区三区影片| 国产伦精品一区二区三区视频9| 久久久久久久久久久丰满| 一级片'在线观看视频| 免费看不卡的av| 久久99热这里只频精品6学生| 国产老妇女一区| 国产人妻一区二区三区在| av播播在线观看一区| 久久精品国产亚洲av天美| 亚洲av成人av| 欧美xxⅹ黑人| 国产乱来视频区| 日韩不卡一区二区三区视频在线| 精品国内亚洲2022精品成人| 偷拍熟女少妇极品色| 免费av不卡在线播放| 亚洲欧美中文字幕日韩二区| 亚洲精品成人久久久久久| 国产亚洲av片在线观看秒播厂 | 日本一本二区三区精品| 听说在线观看完整版免费高清| 九草在线视频观看| 在线 av 中文字幕| 亚洲精品日韩av片在线观看| 国产一区有黄有色的免费视频 | 久久精品熟女亚洲av麻豆精品 | 国产午夜精品一二区理论片| 国产免费视频播放在线视频 | 天堂俺去俺来也www色官网 | 色视频www国产| 免费播放大片免费观看视频在线观看| 联通29元200g的流量卡| 69人妻影院| 日本-黄色视频高清免费观看| 国产乱来视频区| 久久久成人免费电影| 国产激情偷乱视频一区二区| 日韩av在线大香蕉| av网站免费在线观看视频 | 日日啪夜夜撸| 伊人久久国产一区二区| 91久久精品国产一区二区三区| 少妇高潮的动态图| 好男人在线观看高清免费视频| 亚洲真实伦在线观看| 精品亚洲乱码少妇综合久久| 久久这里只有精品中国| 狠狠精品人妻久久久久久综合| 中文字幕av成人在线电影| 久久久久久久久大av| 成年av动漫网址| 亚洲av成人精品一二三区| 又爽又黄a免费视频| 七月丁香在线播放| 精品人妻一区二区三区麻豆| 男人舔女人下体高潮全视频| 狠狠精品人妻久久久久久综合| 国产黄频视频在线观看| 99热这里只有是精品在线观看| 午夜福利在线在线| 久久久久性生活片| 免费高清在线观看视频在线观看| 麻豆乱淫一区二区| 亚洲精品,欧美精品| 91精品国产九色| 国产黄频视频在线观看| 美女高潮的动态| 美女大奶头视频| 国产人妻一区二区三区在| 日韩av不卡免费在线播放| 欧美性猛交╳xxx乱大交人| 看十八女毛片水多多多| 国产精品嫩草影院av在线观看| 亚洲精品一二三| 午夜亚洲福利在线播放| 少妇裸体淫交视频免费看高清| 少妇的逼水好多| 国产国拍精品亚洲av在线观看| 成人美女网站在线观看视频| 777米奇影视久久| 国产一区有黄有色的免费视频 | 麻豆国产97在线/欧美| 美女被艹到高潮喷水动态| 少妇的逼好多水| 国产激情偷乱视频一区二区| 狂野欧美激情性xxxx在线观看| 久久亚洲国产成人精品v| 国产高清国产精品国产三级 | 国产精品熟女久久久久浪| 亚洲av日韩在线播放| 熟女人妻精品中文字幕| 男的添女的下面高潮视频| 久99久视频精品免费| 婷婷色麻豆天堂久久| 午夜激情福利司机影院| 午夜日本视频在线| 国产精品一二三区在线看| 国产av在哪里看| 久热久热在线精品观看| 亚洲精品色激情综合| 不卡视频在线观看欧美| 国产人妻一区二区三区在| 亚洲国产av新网站| 免费av观看视频| 日韩欧美精品免费久久| 人人妻人人澡欧美一区二区| 午夜精品一区二区三区免费看| 免费大片18禁| 纵有疾风起免费观看全集完整版 | 国产黄频视频在线观看| 天堂网av新在线| 少妇猛男粗大的猛烈进出视频 | 深爱激情五月婷婷| 大话2 男鬼变身卡| 亚洲美女搞黄在线观看| 听说在线观看完整版免费高清| 国产一级毛片七仙女欲春2| 国产v大片淫在线免费观看| 国产一区二区亚洲精品在线观看| 亚洲av二区三区四区| 成年免费大片在线观看| 国产国拍精品亚洲av在线观看| 亚洲成色77777| 美女高潮的动态| 国产国拍精品亚洲av在线观看| 亚洲成色77777| 啦啦啦啦在线视频资源| 精品久久久久久久久av| 最近中文字幕2019免费版| 亚洲精品456在线播放app| 国产一区二区亚洲精品在线观看| 九九在线视频观看精品| 晚上一个人看的免费电影| 淫秽高清视频在线观看| 永久网站在线| 丝瓜视频免费看黄片| 中国国产av一级| 我的老师免费观看完整版| 伊人久久国产一区二区| 嫩草影院新地址| 日韩精品青青久久久久久| 亚洲在线自拍视频| 性插视频无遮挡在线免费观看| 黄片无遮挡物在线观看| 美女被艹到高潮喷水动态|