- x2 n4 B) b8 [8 {7 b* |A题 DIY人脸识别技术 ( s5 z, J0 A, N
出题单位:华中科技大学 出题人:孙书男
- j5 x# O7 U3 y4 z8 _5 i/ E8 x. d5 w2017年7月,国务院印发了《新一代人工智能发展规划》,欲创建规模达1万亿元的国内人工智能产业,到2030年使中国成为世界主要人工智能创新中心。教育部也推出了“中国高校人工智能人才国际培养计划”,拟在五年内培训顶尖高校至少500名教师和5000名学生。同时,教育部公布了全面的《高等学校人工智能创新行动计划》,培养人才以支持中国2030年人工智能目标。 什么是人工智能?简而言之就是,让机器人能够学习并模仿人类行为,甚至能够像人一样思考。人工智能机器人认识和接触这个世界最主要的途径是“看”和“听”,而第一步就是要让人工智能机器人能够“看”。特别地,人脸识别在人工智能中显得特别重要,机器人通过人脸识别技术认识周围的人,判断他们的心情,和人们面对面打交道。 人脸识别除了在人工智能中有不少应用之外,这项技术走进了我们的日常生活:美图秀秀等手机APP把人脸识别技术用于“一键美颜”;学校和公司逐步安装了人脸识别考勤机;警方在刑事侦查时,也经常采用人脸识别技术从海量信息中寻找犯罪嫌疑人;交互式机器人通过人脸识别技术判断用户的心情…… ! F! D% F# S* P" E2 u2 V
file:///C:\Users\madio\AppData\Local\Temp\ksohtml\wps8EFF.tmp.png 曾经神秘的人脸识别技术,由于越来越贴近生活,现在也变得平常起来。只要你有一台普普通通的电脑,学过一点编程知识,就可以DIY自己的人脸识别技术。大家是不是已经跃跃欲试了呢?嘿,别急,在DIY前先来看看“大牛们”用人脸识别干了些什么事。比如说有些手机,自拍时你能看到有一个小方框框住了你的脸,你一动,小方框也会跟着你动,在相册里,系统能够挑出照片里的各个人物,还能找到这个人物的其他照片。比如说“How-old.Net”这个APP,它能看脸猜年龄,曾经风靡了朋友圈。 file:///C:\Users\madio\AppData\Local\Temp\ksohtml\wps8F10.tmp.png 好了,大家一定等不及想要DIY人脸识别技术了,在开始之前,先介绍一种常用的人脸识别方法:第一步,确定人脸的位置;第二步,对人脸做一些技术处理;第三步,提取人脸的细节特征。还有啊,图像处理这样的小伎俩我相信大家都没什么问题,那么,还废话什么,放手去做吧! * W3 r/ d4 ]% O6 Y" V
严正声明:学习新知识是一件让人开心的事情,不要为了比赛能拿奖而用Photoshop等软件滥竽充数。我希望看到大家渴望知识的眼神,看到大家在DIY成功之后的欣喜笑容,或者是失败后默默钻研的认真态度。但绝不希望大家为了提交比赛论文而随随便便写一篇自己都不信的东西出来,尽管你提交论文了,但你失去的是了解新知识、挖掘自己潜力的机会! % j( [% \4 w9 {, V7 V0 U- i4 a
请建立数学模型,解决下列三个问题: (1)建立人脸位置判断的数学模型,判断人脸在照片中的大致位置,并在图1和图2中用你设计的模型“框出”人脸的大致位置。 (2)在问题(1)的基础上,建立人脸精确识别的数学模型,判断图2中各个人物的脸型、鼻型、眼型、唇形等。(提示:如果你在DIY过程中遇到了困难,不妨降低要求,比如说鼻型可以分为“大鼻子”和“小鼻子”。) (3)在问题(2)的基础上,建立人脸匹配的数学模型,判断图2、图3中是否有人物与图1的人物是同一人,如果有,请在图片中框出具体是哪个人物与图1的人物一样。 $ Y9 @1 O: Q& G4 M. F# r8 T, j
注:图1、图2和图3的高清图片见附件。
2 F* h$ F6 p+ ]% T# ?% \0 F A; o0 S9 D! u7 x. e+ D
* t3 ?+ l8 u' E# S, N
第十一届华中地区数学建模邀请赛模拟题目 B题 糖尿病诊疗的大数据分析 (命题人:清华大学 张阳阳) 控制住院病人的血糖水平对降低发病率和死亡率具有重要作用,许多医疗机构把严格的血糖指标纳入到重症监护室ICU级别的正式协议。但是,对于大多数非ICU住院病人的接收却没有这样做。 事实上,按传统的方式,住院病人的管理比较随意,导致或者完全没有处理,或者在血糖方面波动很大。为了提高患者的安全性,有必要对现有的医院收治的病人的糖尿病治疗模式进行分析评估。附件中有来自美国130家医院的糖尿病患者的治疗数据,请你用数学建模的方法,对医院对糖尿病的治疗模式进行评估,并对医院将来的努力方向给出合理建议。 请建立相应的数学模型和算法,解决以下问题: (1)试分析确定合理的评价指标体系,用以评价医院对糖尿病患者的治疗效果。 (2)对数据进行预处理,剔除无效或无用数据。对各种疾病类型进行分组,并 给出各组的诊断值(icd9编码)范围以及各组就珍人数在所有就诊人数中 所占的百分比。 (3)给出就诊病人的HbA1C检测、性别、年龄、种族、出院去处、入院来源、 住院天数、诊疗医师的专业、初次诊断结果、葡萄糖血清检测等特征变量 的概率分布,各类就诊病人的再次入院率及其置信区间。 (4)分析再次入院率与各特征变量之间的关系,分析HbA1C检测等因素对再 次入院率的影响。 (5)对医院糖尿病治疗模式进行评价,就如何降低再次入院率,提高治病效率 和效果,降低病人住院治疗成本给出合理建议。
) r! S) p* Y6 T9 F$ R( p9 j2018华中数学建模赛题讨论QQ群126315053
+ O; J1 O9 ^' u, j: G0 I附件:
O S7 G% H8 @. S: l2 {! f 4 o7 [) h7 D) v/ F
. _% k, B4 k% n Y: g
0 K {6 d3 s# t, m" o% j, r6 t
6 R5 @ u* d9 v- t8 J. a% Z) ?
4 p( y0 {6 @- X8 O8 q t8 \8 ^+ ?; ^* H* @; W% K" m( G
4 v" J0 w" k- z
, z: ^: q* R& U- G6 {/ v5 C0 z8 W( j
|