检索结果-南通市图书馆

优秀传统文化在大学生思想政治教育中的价值与应用——以华中师范大学物理科学技术学院为例

在线全文

学校读者我要写书评

暂无评论

文化创新比较研究 2018年第8期2卷 48-49页

作者：刘倩华中师范大学物理科学与技术学院湖北武汉430079

中华民族优秀传统文化在潜移默化中影响着人们的价值取向、审美情趣、思维方式,指引着人们追寻真善美,这与当前大学生思想政治教育的指向高度契合,为发挥传统文化在大学生思想政治教育中的作用提供了实践土壤。华中师范大学物理科学技... 详细信息

中华民族优秀传统文化在潜移默化中影响着人们的价值取向、审美情趣、思维方式,指引着人们追寻真善美,这与当前大学生思想政治教育的指向高度契合,为发挥传统文化在大学生思想政治教育中的作用提供了实践土壤。华中师范大学物理科学技术学院尝试将弘扬中华民族优秀传统文化与大学生思想政治教育结合起来,以达到深层次陶冶人、塑造人的目的,初步探索难言成功,试水搁浅背后的原因尤其值得反思。

关键词：传统文化思想政治教育认知现状价值分析

在线全文

学校读者我要写书评

暂无评论

结合重构和图预测的多元时序异常检测框架

计算机工程与应用 2024年第13期60卷 301-310页

作者：吴彦文谭溪晨葛迪韩园熊栩捷陈宇迪华中师范大学物理科学与技术学院武汉430079

高维时序异常检测一直是智能系统安全领域的重要挑战,主流解决方案通常使用基于数据降维的重构方法和基于时序建模的预测方法,但这些方法没有结合特征间相互影响和特征内时间关联进行学习,且大多使用点估计方法进行预测或重构,从而影响... 详细信息

高维时序异常检测一直是智能系统安全领域的重要挑战,主流解决方案通常使用基于数据降维的重构方法和基于时序建模的预测方法,但这些方法没有结合特征间相互影响和特征内时间关联进行学习,且大多使用点估计方法进行预测或重构,从而影响了异常检测的准确性。结合预测和重构的优点,考虑序列的整体分布,提出了一种新颖的端到端异常检测框架。设计改进的变分自动编码器重构模块,以学习原始时序数据中的特征内时间关联,同时得到编码后的低维表示。设计估计高斯分布的图神经网络预测模块,结合重构模块的低维表示和原始输入进行图结构学习,以捕捉特征间的结构依赖。模型采用异常评分模块联合重构和预测模块的损失,在考虑序列整体分布的基础上进行时空联合表征。为验证所提出模型的性能,在三个工业数据集上对模型进行了对比实验,与基线模型相比,所提出的模型在F1性能指标上表现良好。

关键词：多元时序数据图神经网络自编码器异常检测

面向城区的基于图去噪的小区级RSRP估计方法

在线全文

学校读者我要写书评

暂无评论

计算机应用 2024年第3期44卷 855-862页

作者：郑毅廖存燚张天倩王骥刘守印华中师范大学物理科学与技术学院武汉430079

移动通信系统网络的规划、部署和优化都不同程度依赖于参考信号接收功率(RSRP)估计的准确性。传统上,基站覆盖小区内某信号接收点的RSRP可由对应的无线传播模型估计。在城市环境中,不同小区的无线传播模型需要使用大量RSRP实测数据校正... 详细信息

移动通信系统网络的规划、部署和优化都不同程度依赖于参考信号接收功率(RSRP)估计的准确性。传统上,基站覆盖小区内某信号接收点的RSRP可由对应的无线传播模型估计。在城市环境中,不同小区的无线传播模型需要使用大量RSRP实测数据校正。由于不同小区环境存在差异,经过校正后的模型只适用于对应小区,且小区内的RSRP估计精度低。针对上述问题,将RSRP估计问题转化为图去噪问题,并通过图像处理与深度学习技术得到小区级无线传播模型,不仅能实现小区整体的RSRP估计,且能适用于相似环境小区。首先,通过随机森林回归器逐点预测每个接收点的RSRP,得到整个小区的RSRP估计图;然后,将RSRP估计图和实测RSRP分布图之间的损失视为RSRP噪声图,提出基于条件生成对抗网络(CGAN)的图去噪RSRP估计方法,通过电子环境地图反映小区的环境信息,有效地降低不同小区的RSRP。实验结果表明,在无实测数据的跨小区RSRP预测场景下,所提方法预测RSRP的均方根误差(RMSE)为6.77 dBm,相较于基于卷积神经网络的RSRP估计方法EFsNet下降2.55 dBm;在同小区RSRP预测场景下,相较于EFsNet,模型参数量减小80.3%。

关键词：条件生成对抗网络机器学习参考信号接收功率无线传播模型图去噪

深度双分辨率融合多尺度的实时服装分割算法研究

在线全文

学校读者我要写书评

暂无评论

激光杂志 2024年

作者：李虎啸陈绪君田春欣华中师范大学物理科学与技术学院

针对当前基于服装分割的实时语义分割算法（如Deeplab系列、ERFNet系列、BiseNet等）对服装边缘分割细节特征不足、分割精度差、推理速度慢等问题，提出了一种深度双分辨率融合多尺度的实时语义分割算法MDRNet。为提升服装图像特征的学... 详细信息

针对当前基于服装分割的实时语义分割算法（如Deeplab系列、ERFNet系列、BiseNet等）对服装边缘分割细节特征不足、分割精度差、推理速度慢等问题，提出了一种深度双分辨率融合多尺度的实时语义分割算法MDRNet。为提升服装图像特征的学习能力，采用双分辨率特征网络同时提取高分辨率与低分辨特征，通过双边融合模块将不同分辨率特征进行多次融合，改进了高分辨率网络的深监督输出结构，并添加跨空间多尺度注意力模块捕捉跨空间的特征信息，最后将上下文提取模块DAPPM改为并行模块PAPPM，在提升准确率的同时，可有效减少参数量和计算复杂度并有效提升了FPS。实验结果表明，MDRNet在服装分割DeepFashion-MultiModal数据集上相对于DeeplabV3+、BiseNetv2等算法平均交并比分别提升9.2%、8.1%，为语义分割在服装上的应用提供了更好的技术解决方案。

关键词：深度双分辨率实时语义分割跨空间多尺度深监督上下文提取模块

基于跨空间多尺度的弱监督有向目标检测算法研究

在线全文

同方期刊数据库

学校读者我要写书评

暂无评论

激光杂志 2024年

作者：任洋陈绪君王磊华中师范大学物理科学与技术学院

针对当前基于旋转框标注的传统有向目标检测算法对遥感场景下的有向目标检测存在复杂度高、标注成本大等问题，提出了一种基于跨空间多尺度的弱监督有向目标检测算法LSK-EFPN，该算法可利用水平框标注信息推断目标的旋转框信息，实现了... 详细信息

针对当前基于旋转框标注的传统有向目标检测算法对遥感场景下的有向目标检测存在复杂度高、标注成本大等问题，提出了一种基于跨空间多尺度的弱监督有向目标检测算法LSK-EFPN，该算法可利用水平框标注信息推断目标的旋转框信息，实现了复杂遥感场景下的有向目标检测。为提升网络检测能力，该算法采用LSKNet网络提取输入图像先验背景特征，并添加跨空间多尺度注意力模块捕捉跨空间的特征区域，最后使用CIoU作为尺度约束损失函数来对一致性损失进行重构。实验结果表明，LSK-EFPN在遥感场景DIOR数据集上的平均准确率达到61.7%，相对于H2RBox算法提升了4.7%，为基于水平框标注的有向目标检测场景提供了新的技术解决方案。

关键词：动态感受野空间选择机制跨空间多尺度弱监督有向目标检测遥感目标

在线全文

同方期刊数据库

学校读者我要写书评

暂无评论

基于大内核自适应融合的小目标检测算法

计算机工程 2024年

作者：王磊胡君红任洋华中师范大学物理科学技术学院

针对当前基于卷积神经网络的单阶段目标检测算法（YOLO系列、VFNet等）在高空拍摄场景下面临目标背景复杂、检测精度低和特征混叠等问题，提出了一种端到端的目标检测算法CSPENet。首先，采用基于大内核深度卷积CSPNeXt作为模型主干，... 详细信息

针对当前基于卷积神经网络的单阶段目标检测算法（YOLO系列、VFNet等）在高空拍摄场景下面临目标背景复杂、检测精度低和特征混叠等问题，提出了一种端到端的目标检测算法CSPENet。首先，采用基于大内核深度卷积CSPNeXt作为模型主干，提高了模型捕捉全局上下文的能力。其次，通过引入特征细化块在空间和通道维度上生成自适应权重可有效抑制混叠特征，并在特征融合阶段添加基于移动网络的感受野注意力机制解决了大内核参数共享问题。最终，通过采用EIoU损失函数作为模型的回归损失函数，并拆分预测框和真实框纵横比的影响因子，以提高模型收敛速度并改善定位效果。实验结果表明，CSPENet在VisDrone-DET数据集上相对于DINO算法平均准确率提升4.4%，为小目标检测算法研究及其应用提供新的参考方案。

关键词：大内核小目标上下文信息特征细化自适应融合感受野

融合半波注意力机制的低光照图像增强算法研究

在线全文

同方期刊数据库

学校读者我要写书评

暂无评论

激光杂志 2024年第1期45卷 109-114页

作者：胡聪陈绪君吴雨锴华中师范大学物理科学与技术学院武汉430079

针对当前基于卷积神经网络的低光照图像增强算法(CycleGAN,Retinex-Net等)存在模型参数过大、内存消耗高、图像复原质量不佳等问题,在轻量级算法IAT基础上,提出了融合半波注意力模块的低光照图像增强算法HBTNet。为了改善网络频繁卷积... 详细信息

针对当前基于卷积神经网络的低光照图像增强算法(CycleGAN,Retinex-Net等)存在模型参数过大、内存消耗高、图像复原质量不佳等问题,在轻量级算法IAT基础上,提出了融合半波注意力模块的低光照图像增强算法HBTNet。为了改善网络频繁卷积造成的空间信息损失,在网络中引入半波注意力模块,可有效获得小波域的特性,丰富上下文信息,提高特征提取能力。通过引入MS-SSIM损失函数用来保存图像的边缘和细节信息,提升图像恢复的质量。实验结果表明,在LOL数据集上HBTNet相较于IAT算法PSNR提升了2.69%,SSIM提升了5.56%。HBTNet算法的模型参数量仅为0.11 M,可以满足终端用户实时性要求。

关键词：图像增强半波注意力机制上下文信息 MS-SSIM损失函数

基于自适应特征融合和任务对齐的小目标检测算法

在线全文

学校读者我要写书评

暂无评论

激光杂志 2024年第2期45卷 36-42页

作者：郑有凯胡君红田春欣华中师范大学物理科学与技术学院武汉430079

小目标检测是计算机视觉领域具有挑战性的研究任务。针对小目标物体尺寸小、特征不明显、目标聚集等问题,提出了一种基于自适应特征融合和任务对齐的小目标检测算法C-SODNET。该算法在TOOD基础上进行优化与改进,引入ConvNeXt作为骨干网... 详细信息

小目标检测是计算机视觉领域具有挑战性的研究任务。针对小目标物体尺寸小、特征不明显、目标聚集等问题,提出了一种基于自适应特征融合和任务对齐的小目标检测算法C-SODNET。该算法在TOOD基础上进行优化与改进,引入ConvNeXt作为骨干网络,通过嵌入CBAM注意力机制和自适应特征融合模块的特征金字塔结构提升兴趣区域的特征提取能力,同时在检测头加入可变形卷积,显著改善了对于小目标物体的检测能力,最后引入CIoU回归损失函数来训练模型。实验结果表明,C-SODNET在VisDrone2019小目标检测数据集mAP_(50)为51.2%,相较于TOOD算法准确率提升了9.4%,小目标物体的精确率APs提高了7.3%,验证了算法的有效性。该算法可为高空或远距离场景小目标检测应用提供了有效解决方案。

关键词：小目标检测注意力机制任务对齐通道注意力自适应特征融合

在线全文

学校读者我要写书评

暂无评论

基于帧间跨越光流的视频超分辨率重建网络

计算机应用 2024年第4期44卷 1277-1284页

作者：刘扬刘蓉方可张心月王光旭华中师范大学物理科学与技术学院武汉430079

面对运动幅度较大的复杂场景,当前的视频超分辨率(VSR)算法在处理长序列时无法充分利用不同距离的帧间信息,难以精确地恢复遮挡、边界和多细节区域。为解决上述问题,提出一种基于帧间跨越光流机制的VSR模型。首先,通过密集残差块(RDB)... 详细信息

面对运动幅度较大的复杂场景,当前的视频超分辨率(VSR)算法在处理长序列时无法充分利用不同距离的帧间信息,难以精确地恢复遮挡、边界和多细节区域。为解决上述问题,提出一种基于帧间跨越光流机制的VSR模型。首先,通过密集残差块(RDB)提取低分辨率视频帧(LR)的浅层特征;其次,通过光流空间金字塔网络(SPyNet)以不同时间长度的跨越光流对视频帧进行运动估计和运动补偿,并通过RDB对帧间信息进行深层特征提取与矫正;最后,融合浅层特征与深层特征,并通过上采样得到高分辨率视频帧(HR)。在REDS4公开数据集上的实验结果表明,所提模型与经典的非显式运动补偿的动态上采样滤波器视频超分辨率网络(DUF-VSR)相比,峰值信噪比(PSNR)和结构相似性(SSIM)分别提升了1.07 dB和0.06。验证了所提模型可有效提高视频图像重建的质量。

关键词：视频超分辨率算法光流运动补偿密集残差块深层特征