前言
2020屆“信息學部優秀畢業設計作品展”如期和大家見面了，本次展覽匯集了軟件工程、計算機科學與技術、物聯網工程、信息管理與信息系統、交通工程、車輛工程、工業設計、通信工程、電子信息工程9個專業14件優秀作品。
畢業設計優秀作品展是畢業生展示設計和創作成果、匯報學術思想的大舞臺，是畢業生對大學四年的總體匯報，同時也能夠全面反映學部總體的本科教學水平，體現學部立足首都、服務北京，全面深化教學改革，推動內涵發展，注重提升質量等方面的努力。“不息為體， 日新為道”，校訓中的“改革探索”與“開拓前進”的人文精神正是學部造就和培養工科人才的育人理念。
長期以來，學部一直重視學生的培養質量，結合首都功能定位的需求，突出立德樹人，不斷調整人才培養尺度和規格，努力培養適應社會需求的工科人才，依托學科競賽、創新工場等四大平臺提升學生的創新意識、提高創新能力，對畢業生的畢業設計作品有著嚴格的要求。本次展出的14件優秀作品，是從學部9個專業585名作品挑選的大約2%的優秀作品，旨在凸顯學部對畢業設計展示環節中每件作品更加嚴格的品質要求，激勵同學們能夠更加嚴肅認真地對待畢業設計作品、對待畢業設計環節的相關任務。
每一件優秀作品都凝聚著同學們的辛勤汗水、凝聚著大學四年所有老師的心血，在此向所有老師表示深深的敬意！并由衷祝愿全體畢業生前程似錦、新的人生階段一帆風順！
信息學部
2020年6月
接下來我們將分七期，依次介紹14件2020屆優秀畢設作品，請欣賞~~
NO.1：基于招聘網站數據的計算機類專業企業人才需求分析--- <<張藝>>
16信本 張藝
指導教師：康瑤
項目特色
本論文圍繞數據倉庫中多維數據分析的應用，旨在研究計算機類專業相關招聘崗位的具體需求，具有鮮明的觀點和獨特的創新點：
1．創新性
在查閱文獻過程中發現，國內外學者對于以計算機類相關專業的招聘信息作為重點進行的研究較少，且大多以人工分類、建立數據字典的方式對招聘信息數據進行研究，研究方法較為單一、工程量大并且速度較慢，在對從互聯網上獲取到的海量招聘信息進行數據分析時有一定難度。因此，本論文通過分析獲取到的計算機類相關專業的招聘信息數據的主題建立了星型多維數據模型，而后利用SQL Server 2012 Data Tools實現多維數據模型的建立，最終實現了更準確、快速地對計算機類相關專業的招聘數據進行多維分析并對結果可視化展示。
項目照片1
2．實踐性
本研究利用SQL Server 2012 Data Tools實現了對計算機類專業相關招聘信息數據的多維數據模型的建立，該方案具有較強的實踐性和較高的應用價值。在分析其他專業的招聘信息數據時，也可利用相同的研究思路及方式，根據崗位的發布數量、招聘人數、薪酬水平、技術需求和所屬公司的性質、規模及行業等維度可以進行深度挖掘、分析。對于多維分析出的結論，從學校層面來看，老師們可以依據招聘需求的不同特征將招聘信息推薦給與之符合的學生。另外，對于制訂計算機類專業的學生培養方案有著借鑒意義，為培養出能力、素質兼備的人才提供便利。對于學生群體來說，可以根據自己的職業規劃方向針對某一類行業、企業或某一崗位需求進行對自身能力的培養與提升。
3．原創性
在研究對象方面，國內學者對于與崗位需求匹配度較高的專業的招聘信息的分析較多，例如教育學專業、財務會計類專業等。在研究方法方面，國內學者更多的通過簡單的數據統計分析等方式對招聘數據進行研究，而本研究是通過建立星型維多數據模型，利用數據倉庫中的聯機分析技術對招聘數據進行多維度、深層次的分析、挖掘，并且擴展了國內對于招聘信息數據研究的專業范圍，為以后研究計算機類專業相關的招聘崗位信息提供了更多的研究思路和方法。
4．專業水平
本論文的研究思路主要包括梳理文獻階段、獲取招聘數據階段、數據預處理階段、構建多維數據模型階段和最終的分析數據并可視化結果階段，嚴謹的研究流程保證了最終數據分析的可靠性與真實性。本論文運用的聯機分析技術是用不同的維度和模塊化的操作整合數據，條理清晰的將各項數據展現在使用者面前，不僅能夠有效率的整合數據，還能讓人們在多個維度看到數據的變化。
NO.2：動態場景下的行人檢測與身份驗證研究---<<常佳逸>>
16物聯網本 常佳逸
指導教師：劉亞軍，呂彥鋒
項目特色
作品圍繞安防機器人在城市公共安全中的應用，旨在研究動態背景下的行人檢測和身份驗證，具有鮮明的觀點，在目標檢測方面進行突破，具有獨特的創新點。
1．創新性
在整個研究中發現，所選用的目標檢測YOLOv3算法在小目標人臉檢測過程中準確率較差，這是由于拍攝距離較遠導致輸入圖像分辨率較低，YOLOv3檢測算法無法獲得充分的上下文語義信息，具有較差的細粒度特征，使得算法在小目標檢測方面的魯棒性較差。為解決遠距離檢測人臉中存在的問題，提出YOLOv3-C算法，旨在針對YOLOv3網絡框架進行改進，結合特征金字塔和特征復用的思想，調整輸出特征圖，提高YOLOv3-C算法對于小目標人臉的敏感程度，最終提高在遠距離、高密度人群中人臉檢測的準確率。實驗結果表明，改進后YOLOv3-C算法較原算法在WIDERFACE數據集上提升了7.2%的精確度，較Faster R-CNN算法提升了8.09%的精確度；在NWPU VHR-10數據集上YOLOv3-C算法較原算法提升了6.1%的精確度。
2．實踐性
本研究進行調研最后確定采用YOLOv3實施目標檢測算法進行行人檢測，采用人臉識別FACE NET、Face++、LBP算法進行身份驗證的實驗方案，該方案具有較強的實踐性和較高的應用價值。在行人檢測方面，利用計算機視覺技術判斷圖像或者視頻流中是否存在行人。該技術可與行人跟蹤，行人重識別等技術結合，應用于人工智能系統，車輛輔助駕駛系統，智能機器人、智能視頻監控、智能交通等領域。在人臉識別方面，采用了基于卷積神經網絡的算法和傳統算法進行實驗。該研究可應用于行人身份驗證等方面，在金融、公安、交通、社區等領域均有廣泛的應用價值。
3．原創性
本項目將動態背景下的行人檢測和使用人臉識別進行的身份驗證相結合，并選用各自較為有代表性的算法，最后將算法模型進行改進，大幅提升準確率，具有很強的原創性。在中國，將行人檢測和身份驗證結合的思想和算法初具模型，正處在研究期。但從國際經驗看來，相關研究和算法已經相對成熟，能夠有效的利用在人群密集程度較大的公共場所，進行異常行為的分析。而本項目彌補了國內使用YOLOv3目標檢測算法進行遠距離小人臉檢測的研究，并為以后的人臉檢測和人臉識別應用提供了基礎。
4．專業水平
該項目研究將行人檢測和身份驗證有機結合，并在動態背景下進行應用。主要包括實驗方案的確定、算法環境的配置、數據集的構建、網絡模型的訓練，最后進行實驗結果的測試，嚴謹的設計流程保證了最終實驗的可靠性與真實性。本項目所提出的YOLOv3-C算法，在一定程度上彌補了原YOLOv3算法在小目標檢測方面存在的漏檢、誤檢現象，在小人臉、車輛、油桶、海口等物體方面，在農業、資源勘探等方面具有廣泛的應用需求。在撰寫高質量的畢業設計報告之外，還就項目相關研究撰寫了3篇Ei檢索的英文論文，充分體現了項目研究的專業性。
