• <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
    国产成人一区二区在线| 考比视频在线观看| 丝袜美腿诱惑在线| www日本在线高清视频| 亚洲天堂av无毛| 亚洲av国产av综合av卡| 成年人免费黄色播放视频| 精品人妻熟女毛片av久久网站| 99久久人妻综合| 亚洲伊人色综图| 激情视频va一区二区三区| 国产精品久久久久久av不卡| 国产成人免费无遮挡视频| 亚洲色图综合在线观看| 亚洲精品久久午夜乱码| 国产成人a∨麻豆精品| 亚洲国产精品成人久久小说| 考比视频在线观看| 中文天堂在线官网| 中文字幕色久视频| 欧美人与性动交α欧美软件| 韩国高清视频一区二区三区| 18禁观看日本| 亚洲精品美女久久久久99蜜臀 | 国产精品久久久久久精品古装| 久久国产精品男人的天堂亚洲| 99国产综合亚洲精品| 国产极品粉嫩免费观看在线| 天美传媒精品一区二区| 国产精品一二三区在线看| 另类亚洲欧美激情| 亚洲人成电影观看| 青春草亚洲视频在线观看| 亚洲国产精品成人久久小说| 蜜桃在线观看..| 天天躁夜夜躁狠狠久久av| 高清av免费在线| videossex国产| 午夜精品国产一区二区电影| 涩涩av久久男人的天堂| 伦精品一区二区三区| 老司机影院毛片| 久久久久精品久久久久真实原创| 久久国产亚洲av麻豆专区| 美女视频免费永久观看网站| 欧美日本中文国产一区发布| 欧美日韩精品成人综合77777| 久久久久久久精品精品| 久久人人97超碰香蕉20202| 黄色配什么色好看| av有码第一页| 国产极品粉嫩免费观看在线| 夜夜骑夜夜射夜夜干| 久久精品国产鲁丝片午夜精品| 伦理电影大哥的女人| 中文字幕人妻熟女乱码| 久久午夜福利片| 99久久人妻综合| 亚洲av电影在线进入| 久久99蜜桃精品久久| 菩萨蛮人人尽说江南好唐韦庄| 成年女人毛片免费观看观看9 | 精品久久久精品久久久| 一级毛片电影观看| 观看美女的网站| 少妇猛男粗大的猛烈进出视频| 日韩免费高清中文字幕av| 美国免费a级毛片| 夫妻午夜视频| 久久99热这里只频精品6学生| 精品久久久精品久久久| 9热在线视频观看99| 国产精品久久久久久精品古装| 亚洲少妇的诱惑av| 日韩电影二区| 不卡视频在线观看欧美| 亚洲经典国产精华液单| 免费女性裸体啪啪无遮挡网站| 欧美亚洲 丝袜 人妻 在线| 国产精品无大码| 一本—道久久a久久精品蜜桃钙片| 午夜91福利影院| 国产亚洲av片在线观看秒播厂| 99精国产麻豆久久婷婷| 一级毛片 在线播放| 又黄又粗又硬又大视频| 亚洲欧美色中文字幕在线| 中文字幕人妻丝袜制服| 97在线视频观看| 97精品久久久久久久久久精品| 国产又色又爽无遮挡免| 丝袜人妻中文字幕| 亚洲精品av麻豆狂野| 欧美 日韩 精品 国产| 成人免费观看视频高清| 国产精品人妻久久久影院| 嫩草影院入口| 午夜福利乱码中文字幕| 人成视频在线观看免费观看| 天堂8中文在线网| 啦啦啦啦在线视频资源| 欧美激情极品国产一区二区三区| 18禁裸乳无遮挡动漫免费视频| www日本在线高清视频| 秋霞伦理黄片| 日本av免费视频播放| 一区二区三区四区激情视频| 飞空精品影院首页| 亚洲av电影在线进入| 亚洲精品乱久久久久久| 一级黄片播放器| 欧美人与善性xxx| 久久99蜜桃精品久久| 啦啦啦视频在线资源免费观看| 国产成人欧美| 亚洲国产日韩一区二区| 最新中文字幕久久久久| 丝袜美足系列| 国产成人精品一,二区| 欧美精品人与动牲交sv欧美| 免费观看性生交大片5| 国产欧美日韩一区二区三区在线| 久久99一区二区三区| 一级片'在线观看视频| 一边摸一边做爽爽视频免费| 五月开心婷婷网| 七月丁香在线播放| 水蜜桃什么品种好| 99re6热这里在线精品视频| 婷婷色综合大香蕉| 精品久久久精品久久久| 久久精品熟女亚洲av麻豆精品| 黄频高清免费视频| 久久热在线av| 老女人水多毛片| 国产女主播在线喷水免费视频网站| 搡老乐熟女国产| 亚洲精品中文字幕在线视频| 大香蕉久久网| 性少妇av在线| 国语对白做爰xxxⅹ性视频网站| 天天躁狠狠躁夜夜躁狠狠躁| 日韩人妻精品一区2区三区| 青春草亚洲视频在线观看| 久久久久久人人人人人| 最近中文字幕2019免费版| 国产亚洲欧美精品永久| 一二三四在线观看免费中文在| 欧美变态另类bdsm刘玥| 欧美精品一区二区免费开放| 国产精品久久久久成人av| 考比视频在线观看| 久久精品久久久久久噜噜老黄| 日韩成人av中文字幕在线观看| 国产综合精华液| 亚洲欧美成人精品一区二区| 国产白丝娇喘喷水9色精品| 国产精品 国内视频| 国产男人的电影天堂91| 午夜91福利影院| 三上悠亚av全集在线观看| 国产午夜精品一二区理论片| 成人免费观看视频高清| 亚洲一区二区三区欧美精品| 国产极品粉嫩免费观看在线| 亚洲伊人久久精品综合| 成人漫画全彩无遮挡| 亚洲婷婷狠狠爱综合网| 99热全是精品| 亚洲国产看品久久| 国产高清不卡午夜福利| 精品国产一区二区久久| 两个人看的免费小视频| 啦啦啦在线免费观看视频4| 国产片特级美女逼逼视频| 精品亚洲成a人片在线观看| 欧美日本中文国产一区发布| 91aial.com中文字幕在线观看| 国产精品欧美亚洲77777| 亚洲av综合色区一区| 久久久久久久久久人人人人人人| 中国国产av一级| 99久久人妻综合| 国产精品 国内视频| 免费观看无遮挡的男女| 精品视频人人做人人爽| 免费在线观看黄色视频的| www日本在线高清视频| 亚洲,欧美,日韩| 国产一区二区在线观看av| 亚洲一区中文字幕在线| 人人妻人人澡人人爽人人夜夜| 777米奇影视久久| 亚洲精品中文字幕在线视频| 久久精品国产亚洲av高清一级| 国产精品一区二区在线不卡| tube8黄色片| 国产精品无大码| 一本大道久久a久久精品| 久久精品aⅴ一区二区三区四区 | 亚洲熟女精品中文字幕| 人人澡人人妻人| 国产成人欧美| 在线天堂中文资源库| 91午夜精品亚洲一区二区三区| 日本vs欧美在线观看视频| 国产成人免费无遮挡视频| 欧美日韩av久久| 国产淫语在线视频| 国产白丝娇喘喷水9色精品| 2022亚洲国产成人精品| 精品久久久久久电影网| 搡老乐熟女国产| 男人爽女人下面视频在线观看| 少妇精品久久久久久久| 熟女电影av网| 极品人妻少妇av视频| 嫩草影院入口| 如何舔出高潮| 国产成人午夜福利电影在线观看| 免费女性裸体啪啪无遮挡网站| 一级毛片 在线播放| 色播在线永久视频| 18禁动态无遮挡网站| 久久久久精品人妻al黑| 国产精品偷伦视频观看了| 搡老乐熟女国产| 一级a爱视频在线免费观看| 亚洲国产看品久久| 纵有疾风起免费观看全集完整版| 一本色道久久久久久精品综合| 亚洲欧美清纯卡通| 在线精品无人区一区二区三| www.精华液| 欧美 日韩 精品 国产| 大陆偷拍与自拍| av福利片在线| √禁漫天堂资源中文www| 久久国内精品自在自线图片| videos熟女内射| 黑丝袜美女国产一区| 日韩中字成人| 校园人妻丝袜中文字幕| 亚洲精品在线美女| 欧美黄色片欧美黄色片| 亚洲激情五月婷婷啪啪| 国产人伦9x9x在线观看 | 欧美日韩一区二区视频在线观看视频在线| 国产欧美日韩综合在线一区二区| 激情五月婷婷亚洲| 久久久久国产精品人妻一区二区| 亚洲av日韩在线播放| 久久久精品94久久精品| 丰满饥渴人妻一区二区三| 人人妻人人爽人人添夜夜欢视频| 国产精品偷伦视频观看了| 99久久综合免费| 国产又色又爽无遮挡免| 一本色道久久久久久精品综合| 欧美 日韩 精品 国产| 久久免费观看电影| 国产免费一区二区三区四区乱码| 国产在线免费精品| 久久青草综合色| 秋霞伦理黄片| 大片电影免费在线观看免费| 亚洲国产精品国产精品| 国产 一区精品| 欧美精品亚洲一区二区| 中文字幕人妻丝袜制服| 天天躁日日躁夜夜躁夜夜| 日本黄色日本黄色录像| 亚洲欧洲精品一区二区精品久久久 | 只有这里有精品99| 亚洲欧美精品综合一区二区三区 | 黄色怎么调成土黄色| 成年动漫av网址| 少妇人妻 视频| 另类精品久久| 2022亚洲国产成人精品| 97精品久久久久久久久久精品| 日本-黄色视频高清免费观看| 丰满乱子伦码专区| 美女视频免费永久观看网站| 人人妻人人爽人人添夜夜欢视频| 亚洲色图 男人天堂 中文字幕| 熟女少妇亚洲综合色aaa.| 黄色视频在线播放观看不卡| 国产探花极品一区二区| 少妇被粗大猛烈的视频| 久久国内精品自在自线图片| 国产精品国产av在线观看| 欧美日韩成人在线一区二区| 久久热在线av| 如何舔出高潮| 女人久久www免费人成看片| 欧美人与性动交α欧美精品济南到 | 观看美女的网站| 国产日韩欧美亚洲二区| 这个男人来自地球电影免费观看 | 亚洲欧美清纯卡通| 男女午夜视频在线观看| 亚洲欧美日韩另类电影网站| 日本91视频免费播放| av.在线天堂| 国产精品亚洲av一区麻豆 | 老司机亚洲免费影院| 欧美av亚洲av综合av国产av | 久久久久久久久久人人人人人人| 国产精品一国产av| 黄色怎么调成土黄色| 韩国精品一区二区三区| 狠狠婷婷综合久久久久久88av| 可以免费在线观看a视频的电影网站 | xxx大片免费视频| 下体分泌物呈黄色| 亚洲久久久国产精品| 亚洲av男天堂| 777久久人妻少妇嫩草av网站| 国产av一区二区精品久久| 日本色播在线视频| 在线观看免费高清a一片| 女人高潮潮喷娇喘18禁视频| 纵有疾风起免费观看全集完整版| 亚洲综合精品二区| 女性生殖器流出的白浆| 毛片一级片免费看久久久久| 大香蕉久久网| 热re99久久国产66热| 久久鲁丝午夜福利片| 青青草视频在线视频观看| 秋霞伦理黄片| 精品一区在线观看国产| 另类亚洲欧美激情| 制服人妻中文乱码| 亚洲欧美成人精品一区二区| av天堂久久9| 久久毛片免费看一区二区三区| 国产激情久久老熟女| 国产一区有黄有色的免费视频| 日日撸夜夜添| 久久精品国产a三级三级三级| 国产极品粉嫩免费观看在线| 亚洲图色成人| 欧美bdsm另类| 最近的中文字幕免费完整| 1024香蕉在线观看| 亚洲成国产人片在线观看| 超碰97精品在线观看| 大香蕉久久成人网| 亚洲精品中文字幕在线视频| 国产精品成人在线| 丝袜在线中文字幕| 欧美人与性动交α欧美精品济南到 | 人妻 亚洲 视频| 午夜激情久久久久久久| 男女无遮挡免费网站观看| 亚洲综合色网址| 久久国产精品男人的天堂亚洲| 日韩中文字幕视频在线看片| 国产精品香港三级国产av潘金莲 | 国产国语露脸激情在线看| 999精品在线视频| 国产黄频视频在线观看| 飞空精品影院首页| 亚洲美女视频黄频| 丁香六月天网| 大片电影免费在线观看免费| 欧美变态另类bdsm刘玥| 9色porny在线观看| 国产欧美亚洲国产| 久久国产亚洲av麻豆专区| 女人久久www免费人成看片| 国产1区2区3区精品| 国产精品麻豆人妻色哟哟久久| 香蕉国产在线看| 热re99久久精品国产66热6| 国产成人精品久久久久久| 午夜免费鲁丝| 国产在线视频一区二区| 精品少妇内射三级| 午夜福利在线免费观看网站| 中文字幕精品免费在线观看视频| 亚洲精品aⅴ在线观看| a 毛片基地| 亚洲激情五月婷婷啪啪| 久久久久久免费高清国产稀缺| 婷婷色麻豆天堂久久| 日韩免费高清中文字幕av| 高清视频免费观看一区二区| 欧美国产精品一级二级三级| 欧美激情 高清一区二区三区| 久久午夜综合久久蜜桃| 国产在线视频一区二区| 午夜日韩欧美国产| kizo精华| 国产精品人妻久久久影院| 欧美在线黄色| 亚洲欧洲精品一区二区精品久久久 | 丁香六月天网| 啦啦啦在线观看免费高清www| 欧美在线黄色| 中文字幕最新亚洲高清| 国产一区二区三区综合在线观看| 好男人视频免费观看在线| 国产精品av久久久久免费| 超碰成人久久| 麻豆av在线久日| 国产精品一二三区在线看| 亚洲熟女精品中文字幕| 99久久人妻综合| 成人国产av品久久久| 免费在线观看完整版高清| 人人妻人人添人人爽欧美一区卜| 国产免费现黄频在线看| 午夜福利影视在线免费观看| av网站免费在线观看视频| 国产精品免费视频内射| 国产黄频视频在线观看| 熟妇人妻不卡中文字幕| 99久久中文字幕三级久久日本| 国产又爽黄色视频| 欧美日韩亚洲国产一区二区在线观看 | 久久ye,这里只有精品| 亚洲男人天堂网一区| 观看美女的网站| 女性生殖器流出的白浆| 欧美 亚洲 国产 日韩一| 成人毛片a级毛片在线播放| 久久人人爽人人片av| 街头女战士在线观看网站| 久久久久久久大尺度免费视频| 精品一区二区三区四区五区乱码 | 色婷婷久久久亚洲欧美| 18在线观看网站| 免费看av在线观看网站| 精品一区二区免费观看| 男女无遮挡免费网站观看| 亚洲欧洲精品一区二区精品久久久 | 精品国产一区二区三区四区第35| 欧美另类一区| 欧美日本中文国产一区发布| 日韩免费高清中文字幕av| 国产女主播在线喷水免费视频网站| 9热在线视频观看99| 边亲边吃奶的免费视频| 好男人视频免费观看在线| 十八禁高潮呻吟视频| 超碰成人久久| 成人亚洲欧美一区二区av| 国产精品熟女久久久久浪| 午夜免费男女啪啪视频观看| 男女啪啪激烈高潮av片| 超碰成人久久| 国产精品一区二区在线观看99| 免费观看无遮挡的男女| 久久久精品免费免费高清| 制服诱惑二区| 9热在线视频观看99| 深夜精品福利| 大码成人一级视频| 精品亚洲乱码少妇综合久久| 只有这里有精品99| 国产精品99久久99久久久不卡 | 美女视频免费永久观看网站| 午夜福利在线观看免费完整高清在| 夫妻午夜视频| 日本欧美视频一区| 各种免费的搞黄视频| 十八禁高潮呻吟视频| 久久这里只有精品19| 欧美 日韩 精品 国产| 国产精品成人在线| 亚洲精品成人av观看孕妇| 亚洲av欧美aⅴ国产| 免费日韩欧美在线观看| 永久网站在线| 天天躁日日躁夜夜躁夜夜| 亚洲av电影在线进入| 啦啦啦视频在线资源免费观看| 精品少妇黑人巨大在线播放| 国产视频首页在线观看| 午夜福利一区二区在线看| 欧美中文综合在线视频| 国产探花极品一区二区| 我要看黄色一级片免费的| 亚洲精品日韩在线中文字幕| 纯流量卡能插随身wifi吗| 亚洲成国产人片在线观看| 18+在线观看网站| 91在线精品国自产拍蜜月| 一级毛片黄色毛片免费观看视频| 最近的中文字幕免费完整| 日韩中字成人| 久久国产精品男人的天堂亚洲| 两个人看的免费小视频| 精品国产露脸久久av麻豆| 少妇 在线观看| 美女主播在线视频| 国产日韩欧美在线精品| 青青草视频在线视频观看| 最近中文字幕2019免费版| 国产精品99久久99久久久不卡 | 国产成人免费无遮挡视频| 制服丝袜香蕉在线| 婷婷成人精品国产| 十分钟在线观看高清视频www| 精品人妻在线不人妻| 久久精品久久精品一区二区三区| 亚洲欧美一区二区三区黑人 | 久久久久久伊人网av| 亚洲国产看品久久| 亚洲色图综合在线观看| 亚洲一码二码三码区别大吗| 香蕉精品网在线| 菩萨蛮人人尽说江南好唐韦庄| 日本91视频免费播放| 最近最新中文字幕免费大全7| 亚洲少妇的诱惑av| 十分钟在线观看高清视频www| 男女无遮挡免费网站观看| 日本猛色少妇xxxxx猛交久久| 久久婷婷青草| 熟女少妇亚洲综合色aaa.| 人妻 亚洲 视频| 99国产精品免费福利视频| 99热网站在线观看| 欧美国产精品va在线观看不卡| 制服丝袜香蕉在线| 下体分泌物呈黄色| 日韩人妻精品一区2区三区| a级毛片黄视频| 天堂中文最新版在线下载| 亚洲欧美清纯卡通| 免费观看av网站的网址| 国产在视频线精品| 亚洲欧美精品自产自拍| 亚洲一区中文字幕在线| av网站免费在线观看视频| 一级a爱视频在线免费观看| 日产精品乱码卡一卡2卡三| 国产在视频线精品| 大话2 男鬼变身卡| 最近2019中文字幕mv第一页| 日产精品乱码卡一卡2卡三| 热re99久久精品国产66热6| 欧美人与善性xxx| 街头女战士在线观看网站| 9热在线视频观看99| 亚洲一码二码三码区别大吗| 亚洲国产色片| 成人毛片60女人毛片免费| 久久国内精品自在自线图片| 午夜福利网站1000一区二区三区| 9热在线视频观看99| 丝袜人妻中文字幕| 精品国产超薄肉色丝袜足j| 免费观看a级毛片全部| 天天躁夜夜躁狠狠躁躁| 一级毛片 在线播放| 亚洲国产毛片av蜜桃av| 亚洲内射少妇av| 少妇的逼水好多| 久久人人爽av亚洲精品天堂| 午夜福利,免费看| 高清不卡的av网站| 色网站视频免费| 亚洲四区av| 日韩av在线免费看完整版不卡| 久久久精品区二区三区| 欧美日韩一级在线毛片| 精品亚洲乱码少妇综合久久| 可以免费在线观看a视频的电影网站 | 日日爽夜夜爽网站| 亚洲,欧美精品.| 日日爽夜夜爽网站| 人体艺术视频欧美日本| 亚洲国产色片| 18在线观看网站| 中文字幕亚洲精品专区| 日本vs欧美在线观看视频| 在线观看免费视频网站a站| 国产精品女同一区二区软件| 男女免费视频国产| 美女视频免费永久观看网站| 欧美中文综合在线视频| 国产av精品麻豆| 久久久久久免费高清国产稀缺| 午夜激情久久久久久久| 亚洲成色77777| 777久久人妻少妇嫩草av网站| 国产成人91sexporn| 亚洲成av片中文字幕在线观看 | 国产av精品麻豆| 蜜桃国产av成人99| 久久久国产一区二区| 波野结衣二区三区在线| 妹子高潮喷水视频| 午夜激情久久久久久久| 欧美最新免费一区二区三区| 免费看av在线观看网站| 午夜久久久在线观看| 国产精品av久久久久免费| 香蕉精品网在线| 91久久精品国产一区二区三区| 精品国产一区二区三区久久久樱花| 999精品在线视频| 欧美少妇被猛烈插入视频| 中文字幕另类日韩欧美亚洲嫩草| 飞空精品影院首页| 国产视频首页在线观看| 欧美xxⅹ黑人| 黑人巨大精品欧美一区二区蜜桃| 丰满迷人的少妇在线观看| 久久99一区二区三区|