基于深度学习的patch-match双目三维重建

以patch-match为核心的算法在双目立体重建中有着广泛应用,因其具有低内存消耗、重建精度高等优良性能;然而,传统patch-match算法需要有序地对图像中的每一个像素点进行迭代求取最优视差值d,从而导致运行时间较高。为了解决该问题,在传统patch-match算法的基础上引入基于学习的模型作为指导来降低运行时间,提高立体重建精度。利用深度学习模型输出每个像素伴有异方差不确定度的初始视差图,异方差不确定度用于衡量网络模型所预测视差值的准确度;将异方差不确定度和初始视差作为patch-match算法的先验信息;在平面细化步骤中,利用每个像素点的异方差不确定度大小动态调整其搜索区间,实现减少运行时间的目标。在Middlebury数据集上,通过与原有算法比较可知,改进后的算法在运行时间上减少20%,同时,在不连续等区域上的重建精度得到略微提高。     

Prediction model of K2CsSb photocathode reflectivity based on LSTM北大核心CSCD

针对目前K₂CsSb光阴极制备过程中无法预判光阴极生长状态的问题,提出一种基于长短期记忆（LSTM）循环神经网络的K₂CsSb光阴极反射率预测模型。一维原始反射率数据集经过清洗、筛选、序列化等预处理手段后重构为二维数据输入模型。为充分利用反射率数据在时序上高度相关的特性,采用双层LSTM网络提取特征,预测结果通过全连接层输出,以均方误差（MSE）作为模型预测效果的评判标准。实验结果表明,该模型的网络结构合理且在不同数据集下的表现良好,预测准确率可达99.21%。该模型可运用在K₂CsSb光阴极的制作过程中,通过反射率预测值反馈调节工艺参数以趋近目标走势,对提高光阴极性能具有促进作用。     

选取恰当内容分组交流学习的实践探索

目前,随着新数学课程在各个学校的推进,合作学习被广大教师普遍运用,一些问题也随之出现了．在一些数学课上我们看到,教师不管讲授什么数学内容,有无合作的必要,动不动就让学生合作,导致合作学习流于形式,缺乏有效性．合作学习作为一种教学组织形式,是为达到教学目的服务的,教师应根据具体的教学内容选择恰当的教学形式．那么哪些数学内容更适合合作学习呢？本文将从四个方面对此作以简要分析．     

基于注意力和强化学习的遥感图像描述方法

针对当前遥感目标检测方法只能识别出遥感目标的类别及位置,无法生成与遥感图像内容相关文本描述的问题,提出了一种基于注意力和强化学习的遥感图像描述方法.首先,采用卷积神经网络构建编码器,提取遥感图像的特征.其次,利用长短期记忆网络搭建解码器,学习图像特征与文本语义特征间的映射关系.然后,引入注意力机制,增强模型对显著性特征的关注,减少无关背景特征的干扰.最后,采用强化学习策略,根据离散且不可微的评价指标直接对模型进行优化,消除暴露偏差及优化方向不一致的缺陷.在公开遥感图像描述数据集中的实验结果表明,本方法的检测精度较高,对密集小目标、雾气积聚、背景特征与目标特征相似等复杂环境下的遥感图像具有良好的描述性能.     

以问题引导法进行元素及化合物教学

将无机化学中元素及化合物的教学内容设计成若干问题,以问题引导法组织教学,开展以学生为中心的教学方法改革。     

谈高中生数学学习兴趣的培养

1高中生数学学习的现状 不少高中生对数学并无兴趣,学习很被动．上课时对老师有很强的依赖性,只是跟随老师惯性运转,缺乏独立思考能力．对于课堂要点听不懂或听不全,或者只是机械性地做笔记,而不是积极地去理解相关内容,结果问题一大堆课后又不能及时巩固所学内容,寻找知识问的联系．至于作业,有时只是赶着做,在对概念、法则、公式、定理一知半解的情况下机械模仿,生搬硬套;有时敷衍了事,不问老师,不查工具书,随便答题或总是依赖同学,每天只求完成书面作业．     

着力培养学生学习兴趣 做学生喜欢的物理教师

在物理教学中,就如何培养学生的学习兴趣进行了初步的探讨.