强化上下文模型中的强化上下文模块（ECM）利用双空洞卷积结构，在节省参数量的同时，通过扩大有效感受野来强化浅层上下文信息，并在较少破坏原始SSD网络的基础上灵活作用于网络中浅预测层，形成强化上下文模型网络（ECMNet）. 当输入图像大小为300×300时，在PASCAL VOC2007测试集上，ECMNet获得的均值平均精度为80.52%，在1080Ti上的速度为73.5 帧/s. 实验结果表明，ECMNet能有效强化上下文信息，并在参数量、速度和精度上达到较优权衡，优于许多先进的目标检测器.

为了探索三维掌纹在生物特征识别领域的应用，基于局部纹理特征和深度学习，提出一种有效的三维掌纹识别方法. 通过曲率特征、形状指数、表面类型分别来描述三维掌纹的局部几何特征，将其作为深度神经网络的输入，完成三维掌纹识别任务. 在香港理工大学的三维掌纹数据库上对不同的几何特征、不同的深度神经网络模型进行全面分析与比较. 三维掌纹识别实验结果表明，与其他三维掌纹识别方法相比较，所提方法的识别率更高，识别时间更短，在实时掌纹识别领域具有较大的应用潜力.

为探索智慧公路对出行者路径选择行为的影响，将网络可靠性和经验学习理论引入出行者的路径选择过程. 运用交通流理论统一化由智慧公路采集的多源数据类型，进一步采用最小方差加权平均方法融合多源数据. 智慧公路上的出行者根据融合信息实时决策出行路径；普通公路上的出行者根据前一天的路网交通状况和历史出行经验选择出行路径. 采用不动点理论证明模型解的等价性、存在性和稳定性条件. 算例结果表明：道路流量行为系数和感知时间误差的增大均会导致模型进入不稳定状态；在模型解稳定性方面，具有冒险倾向的出行者显著优于具有风险规避倾向的出行者，且多源融合数据演化的路网交通流量更具鲁棒性.

设计采用十字线结构光的双相机视觉测量系统，构建由2个高精度工业相机、2个十字激光器和环形光源等组成的图像采集装置. 在传动箱加工现场获取端面销孔图像，提取图像感兴趣区域(ROI)，采用双边滤波进行降噪预处理、二值化和边缘检测；基于改进方向模板法提取2个十字线结构光的中心线. 依据测量系统的设计原理分别测出2个销孔的孔径及其位置度. 结果表明：对于孔径，机器视觉在线测量装置与电子塞规的测量结果的偏差平均值为0.001 mm；对于孔组位置度，机器视觉在线测量装置与三坐标测量仪的测量结果的最大偏差为0.02 mm. 这表明机器视觉在线测量装置能满足加工精度要求和在线实时测量需求.

收集421名鼻咽癌患者头颈部水平位T1加权（T1W）、T2加权（T2W）以及T1增强（T1C）三种模态MR图像，并由2名经验丰富的临床医生对图像中的肿瘤区域进行勾画，将其中346位患者的多模态图像及其标签作为训练集，将剩余75位患者的多模态图像及其标签作为独立测试集；分别构建单模态多维信息融合、两模态多维信息融合以及多模态多维信息融合（MMMDF）的卷积神经网络（CNN），并对模型进行训练和测试；使用Dice、豪斯多夫距离（HD）与面积差占比（PAD）评估3种模型的性能，结果表明，多模态多维融合模型的性能最优，两模态多维信息融合模型性能次之，单模态多维信息融合模型性能最差. 结果证明，多模态二维与三维特征融合的深度卷积网络能够准确有效地分割鼻咽癌MR图像中的肿瘤.