针对基于深度学习的人脸识别这一生物特征识别领域的研究热点进行了综述．阐释了人脸识别及深度学习 模型的基本结构；总结了该技术在国内外的研究现状及其应用，如基于卷积神经网络(CNN)的人脸识别方法、深度非 线性人脸形状提取方法、基于深度学习的人脸姿态鲁棒性建模、有约束环境中的全自动人脸识别、基于深度学习的视 频监控下的人脸识别、基于深度学习的低分辨率人脸识别以及其他基于深度学习的人脸信息的识别等；分析了当前人 脸识别技术在深度学习应用中存在的问题及发展趋势

基于深度学习的形状建模方法

针对应急物联网（EIoT）超低时延服务需求，设计了面向超低时延传输应急物联网的多切片网络架构，提出 EIoT 切片资源预留和多异构切片资源共享与隔离的方法框架。所提框架采用深度强化学习方法实现实时异构切片间资源需求的自动预测与分配，切片内用户资源分配建模为基于形状的二维背包问题并采用启发式算法数值求解，从而实现切片内资源定制化。仿真结果表明，基于资源预留的方法能够使 EIoT 切片显式保留资源，提供了更好的安全隔离级别；深度强化学习能够保证资源预留的准确和实时更新，有效兼顾资源利用率和切片差异化

基于深度学习的形状建模方法