基于U-Net的压缩光场显示图案生成方法

压缩光场显示具有结构简单紧凑、显示空间分辨率高的优点,但求解压缩光场显示图案的迭代算法存在计算量大的问题。随着人工智能技术的发展,基于深度学习的图像生成算法也被应用到三维显示中。提出一种将计算机视觉中执行图像分割任务的U-Net作为优化压缩光场显示图案的网络模型。根据给定的观看角度生成几组经过数据增强的目标光场数据集作为U-Net的训练集;在U-Net收敛后,将训练完成的U-Net用于生成重建测试目标光场的显示图案。训练和测试结果表明,相比基于堆叠CNN和迭代算法的方法,所提出的基于U-Net的压缩光场显示图案生成方法具有重建质量更高、计算资源少的优势。     

基于深度神经网络的水下图像偏振信息复原方法

偏振度和偏振角等偏振信息能够反映目标的偏振特性,根据偏振态的差异可以辨别目标,因此偏振信息在水下探测与识别等领域有重要应用。传统的水下偏振成像方法能够对水下图像进行散射抑制并复原光强图像,但这些方法忽略了对偏振信息的复原,造成偏振信息的丢失。因此,提出基于通道注意力机制的水下图像偏振信息复原神经网络,以拓展水下偏振成像的功能,将偏振度和偏振角信息进行复原。同时设计了基于偏振参量的内容与风格损失函数,进一步提升偏振复原效果。实验结果表明,该网络可有效地抑制水下图像的散射光,同时能较好地恢复线性偏振度和偏振角信息。所提方法对浑浊水下偏振成像技术的进一步应用具有重要意义。     

基于深度学习的光场显微像差校正

由于光场显微镜中透镜的固有缺陷以及样品折射率分布不均匀会引起光学像差,这严重影响光场显微成像的质量。引入光场解耦模块,解析获得光场的相位和强度信息;并设计用于光场显微像差校正的相位-强度双路径网络（PCANet）。实验结果表明,所提出的方法不仅可实现光场显微像差校正,而且重建出的图像具有高分辨率和清晰的细节边缘;相较于其他传统的图像超分辨率网络,所提方法重建结果的峰值信噪比（PSNR）和结构相似性指数（SSIM）分别提高了15.4%和11.7%。本研究为低成本光场显微像差校正提供了一种高效的方案。     

联合线谱增强与深度神经网络的水声目标识别

为强化水声目标特征,提高使用深度神经网络识别水声目标的准确率,提出了一种联合线谱增强与深度神经网络的水声目标识别方法。该方法采用窄带信息增强,将自适应线谱增强滤波器与VGGish神经网络级联,水声信号经过线谱增强后输入网络提取深度特征,之后使用分类器分类。使用实测水声数据集进行测试,对网络提取的水声数据的深度特征集进行主成分分析并降维,使高维深度特征可视化,结果表明线谱增强后得到的深度特征集的紧致性明显提高。该方法在测试数据集上能够实现94.83%的识别准确率,与未进行线谱增强的情况相比提升了5.48%,同时在低信噪比情况下稳定性更好。     

运用信息技术促进高中物理深度学习策略研究——以“电容器的电容”教学为例

实施深度学习能有效培育学生核心素养,在教学中结合信息技术手段能有效促进深度学习.以“电容器的电容”教学为例,确定培养学生高阶思维能力的教学目标,借助LabVIEW软件,通过创设情境、问题驱动、实验探究、任务驱动等教学策略,促进学生深度学习,提升学生物理学科核心素养.     

指向深度学习的高中物理实验教学设计——以“测量玻璃的折射率”为例

指向深度学习的高中物理实验教学设计使学生在课堂中发生了深度学习,于无声处突破了学生的认知障碍,实现了高效课堂的构建并切实促进了学生核心素养的提升.以人教版(2019年版)选择性必修第一册第四章的学生实验“测量玻璃的折射率”为例,设计了层层递进、环环相扣的教学环节,引导学生深度参与课堂,自主设计实验方案,并通过实际实验引导学生发现问题、解决问题、改进方案,实现了学生对难点问题的深度思考和认知.     

并联卷积神经网络的近红外光谱定量分析模型

近红外光谱分析已成为工农业生产过程质量监控领域中不可或缺的重要分析手段之一,在食品、农业、医药等定性定量分析领域被广泛应用。预测精度高、运行速度快、泛化能力强的近红外光谱预测模型可用于不同物质的定性定量分析。但由于近红外光谱数据量的激增,传统的近红外光谱建模方法已经出现明显的不足。随着人工智能技术的不断发展,深度学习算法在近红外光谱分析领域得到了广泛应用。提出了一种基于并联卷积神经网络的近红外光谱定量分析模型(PaBATunNet)。该模型由1个一维卷积层、 1个并联卷积模块(Module)、 1个展平层、 4个全连接层和1个参数调节器(PR)组成,Module模块包括5个子模块分别对光谱数据进行线性及非线性多维特征提取,并通过Concatenate函数将提取后的光谱特征数据进行拼接,PR模块通过调节优化PaBATunNet模型参数,提高模型预测精度。基于Gard-CAM思想给出了PaBATunNet模型高贡献度特征波长,增加了PaBATunNet模型的可解释性。以谷物、柴油、啤酒、牛奶四组公开的近红外光谱数据为例,将PaBATunNet模型的预测结果与偏最小二乘(PLS)、主成分回归(PCR)、支持向量机(SVM)和BP神经网络(BP)模型的预测结果进行比较。结果表明,与PLS相比,PaBATunNet模型在谷物、柴油、啤酒、牛奶数据集的预测精度上分别提高了30.0%、 40.7%、 43.0%、 52.8%;与PCR相比,PaBATunNet模型的预测精度分别提高了28.8%、 35.9%、 40.8%、 52.2%;与SVM相比,PaBATunNet模型的预测精度分别提高了45.5%、 37.4%、 45.3%、 54.7%;与BP相比,PaBATunNet模型的预测精度分别提高了7.9%、 32.4%、 90.1%、 62.0%。基于并联卷积神经网络的近红外光谱建模方法相比于传统建模方法解决了模型预测精度低、运行时间长、泛化能力差以及可解释性不强等问题,可有效应用于工农业生产中不同物质的定量分析,为建立快速、无损、高精度的近红外光谱定量分析模型提供了科学基础。     

基于产教融合育人模式毕业实习课程教学改革与实践探索

产教融合是教育链、产业链、创新链与人才链结合的一种新模式,为高校人才培养提供了一条新路径.毕业实习是高分子材料与工程专业人才培养的重要课程与环节.但是,毕业实习课程面临着知识陈旧、参观式实习、优质师资匮乏、企业积极性不高、实习平台水平低等突出问题,严重影响了课程教学效果.高分子材料与工程专业以应用研究型人才培养为目标,基于产教融合模式提出了由课程-平台-队伍-发展共同体构成的\"四位一体\"毕业实习课程新体系.专业积极推进毕业实习课程建设,创建了高水平实习基地平台,组建了工程实践指导师资队伍,构建了育人发展共同体,完善了实习教学督导制度.毕业实习课程教学改革与育人成效明显,实习满意度高,为高校毕业实习课程教学改革提供了一条新思路.     

一种面向领域知识的大数据价值服务建模方法

在网络大数据价值服务系统中,面对复杂的异构数据关联与交互,如何实现智慧的大数据价值发现与服务成为当前亟需解决的一个重要问题。为解决该问题,提出了面向领域主题大数据价值服务的语义内容标签及其语义矢量元模型,在元模型中给出4种语义基本矢量及其关联的9种语义单位矢量,基于该模型构建赋予本体概念的语义矢量本体模型,并进一步结合树形层次状态机对语义矢量元模型进行形式化描述,更精确地描述大数据价值服务。该方法能够有效地用于有序化组织大数据主题知识及其价值服务空间,实施面向主题的大数据知识及其价值服务的规模化定制。通过城市交通需求物联网服务领域阐述该方法在服务交互融合过程中实现按需价值服务,说明该方法的有效性。     

部分遮挡人脸识别的方法综述

通过人脸识别进行身份确认一直以来都是非常活跃的研究主题,在现实环境中,表情变化、光照影响、姿态变化、遮挡等都会对人脸识别任务产生不良的影响,其中部分遮挡问题一直没有得到有效的解决。对部分遮挡人脸识别的稀疏表示法、遮挡字典的处理方法、遮挡的误差编码方法、基于深度学习的方法、基于深度学习与传统算法结合的方法和基于3D的方法进行了总结,阐述了各类方法的基本思想和原理,分析了现阶段存在的问题和未来的研究方向。