课程文献中心 更多>>

关键词： 色域压缩   轻量化   深度学习   色彩管理  

摘要： 色域压缩是大色域向小色域进行转换时保持色彩信息的关键技术。经典算法虽计算快速，但处理结果缺乏细节且没有考虑人眼的感知特性，难以满足人们对色彩品质不断提升的要求。迭代算法处理效果更佳，但极其耗时，无法投入实际应用。针对上述问题，提出了轻量化的深度色域压缩方法，该方法可在逼近迭代算法计算效果的同时保持接近经典算法的速度。为色域压缩算法设计了LightGCNet模型，该网络中的双层卷积由DSC与DW卷积组合而成，相比常规U-Net，参数量与计算复杂度急剧降低。为进一步提高模型先验性，将预训练得到的DW卷积中多个核通道进行重聚焦操作以建立联系，最终权重由重聚焦权重和预训练权重组成。针对色相、明度、彩度这三个色彩属性，设计了色域压缩专用的损失函数。该函数不仅考虑了像素级损失，而且融合了图像感知损失，并联合色彩属性的多尺度信息进行加权，解决了深度色域压缩过程中细节丢失的问题。基于迭代算法生成标签以训练网络，联合学习目标色域特征与图像信息，实现了与迭代算法相当的效果。实验结果表明：该方法与业界经典的SGCK算法相比，iCID值降低了17.08%,SSIM值提高了5.30%。相比常规U-Net模型，LightGCNet参数量减少了82.96%，乘加次数从8.5GFLOPs大幅下降至2.2GFLOPs，使改良模型更适于低端设备部署。该模型在CPU上处理单幅512×512图像仅需0.208s，计算时间比迭代类算法减少99.92%。

关键词： 水稻   氮磷钾营养诊断   Resnet34   注意力机制   软阈值化  

摘要： 为实现水稻氮磷钾3种主要营养元素缺失种类的快速、准确诊断识别，以晚稻“黄华占”为研究对象，进行水稻大田栽培试验。分别设置：4个施氮水平，施肥总量分别为：N0（0 kg/hm2）、N1（130 kg/hm2）、N2（260 kg/hm2）以及N3（390 kg/hm2）;4个施磷水平，P0 （0 kg/hm2）、P1（300 kg/hm2）、P2（600 kg/hm2）和P3（780 kg/hm2）;4个施钾水平，K0 （0 kg/hm2）、K1（90 kg/hm2）、K2（180 kg/hm2）和K3（270 kg/hm2）。在水稻分蘖期和拔节期，首先扫描获得水稻各分蘖茎完全展开的顶三叶叶片图像数据，生成对抗网络（Generative Adversarial Network,GAN）对水稻图片进行超分辨率重构后，并通过图像预处理对数据进行归一化和扩充；此外，在保留残差神经网络Resnet34的主干结构的情况下，在残差块中引入注意力机制和软阈值化函数，并将在ImageNet图像数据集上得到的预训练权重迁移至改进了残差结构的模型中，从而对水稻分蘖期，拔节期叶片图像数据进行氮磷钾营养元素缺素胁迫诊断识别。结果表明：改进后的Resnet34网络在重度缺肥梯度的2个时期测试准确率分别达到98.98%和98.10%，在中度缺肥梯度的准确率达到了97.99%和95.90%。在过量肥梯度的准确率为91.87%和88.49%；与改进前的网络相比，在分蘖期和拔节期的水稻图像测试集上，三元素胁迫分类准确率最大提升了29.58%和29.75%；分析混淆矩阵发现对氮胁迫的识别准确率最佳，在训练曲线上表现出更快的收敛速度。综上，本研究建立的水稻氮磷钾营养元素诊断模型能很好地在水稻分蘖期，拔节期完成水稻氮磷钾3类营养元素缺素胁迫诊断，预测水稻生长营养状态，可为水稻氮磷钾元素营养诊断提供科学参考。

关键词： 糖尿病性视网膜病变   分级   图卷积网络   卷积神经网络   胶囊网络  

摘要： 糖尿病视网膜病变(diabetic retinopathy, DR)已成为全球失明人数攀升的主要原因之一。目前，基于深度学习的智能分级已成为DR智能诊断研究的热点。现有的基于卷积神经网络(convolutional neural network, CNN)的DR智能分级模型已取得不错效果，这些模型将DR分级看作是图像分类任务，但是，这些模型更多关注深层特征提取，而未考虑DR图像本身特性、不同级之间的关系等。为了克服这些不足，提出一种新的DR智能分级模型。该模型利用胶囊网络的细节捕获能力，将CNN的池化层替换成胶囊网络，提取DR图像的深层细节特征，其次，考虑到相邻级别间DR图像差别小、容易混淆，利用图神经网络捕获DR级别间关系，最后，两路网络输出通过自适应权重完成融合，给出整个网络的分级结果。该模型在两个数据集上进行评估实验，并取得良好效果，进一步论证了该方法的优越性。

关键词： 带式输送机   经验模态分解   神经网络   轴承故障诊断  

摘要： 提出了一种神经网络模型，用于带式输送机电机轴承的早期故障诊断。该模型采用经验模态分解与信息熵相结合的方法对信号进行重构，提取频域特征用于神经网络的训练，以实现高度精准的故障诊断。该方法能够有效应对噪声干扰，对早期故障信号具有良好的敏感性，其诊断准确率高达95.8%。

关键词： 低碳电商供应链   碳税   碳交易政策   网络外部性  

摘要： 低碳经济环境下,中小型制造商为了缓解碳减排资金压力,选择依托电商平台进行线上销售。基于由电商平台主导的低碳电商供应链系统,本文将产品的网络外部性纳入模型,构建了碳交易政策和碳税政策下的供应链决策模型,研究政府和低碳电商供应链“共赢”的最佳碳政策。研究发现:(1)探讨各成员企业的最佳碳政策时,制造商的实际碳排放量与政府碳配额的大小关系是重要的影响因素。当实际碳排放量超过政府规定的碳配额时,若碳交易价格超过一个特定的阈值,碳交易政策的惩罚力度大于碳税政策,此时对于供应链成员和政府而言,实施碳税政策更有利;若碳交易价格小于该阈值,则反之。当实际碳排放量小于政府规定的碳配额时,对供应链成员和政府而言,碳交易政策是最佳碳政策。(2)产品的网络外部性对产品价格、市场需求和供应链成员的利润都有正向作用。这些结论为电商供应链成员在低碳背景下的决策提供了参考。

关键词： 网络谣言   网络谣言犯罪   量刑现状   实证研究   量刑规范化  

摘要： 通过SPSS25.0软件对相关刑事裁判文书进行实证研究，可以发现，网络谣言犯罪案件在量刑上呈现出从重处罚的态势且缓刑率相对偏低，不同审级及地区案件的量刑结果之间存在一定程度的差异。此类案件的量刑结果总体上综合考量了不同种类的量刑情节，点击量(浏览量)并未成为主要量刑情节，“积极退赔退赃或取得被害人谅解”“造成被害人或者其近亲属精神失常、自杀等严重后果”以及前科等量刑情节并未显著影响量刑结果。为了完善此类犯罪的量刑制度，应理顺严惩与适度轻刑化之间的关系，适当扩大轻罪案件的缓刑适用率，提升量刑规范化的范围及程度并强化指导性案例的助力作用。

关键词： 高校   “思政网红”   网络传播  

摘要： 高校“思政网红”以高校教师为网络ID，把“网红”传播优势与高校思想政治工作有效结合，是占领网络舆论新高地的发展方向。高校“思政网红”的网络传播由因独特身份造就三重属性的信息源、主导参与传播的多元主体、Web3.0技术助力的网络平台和接收并主动传播信息的庞大受众等要素构成，具有传受信息主体接近趋同、传播过程凸显数字化集成、传播模式呈现分级扩散性、传播效用相对优势明显等特征。培育“思政网红”，要综合运用以下策略：打造可信且有说服力的信息源，提升传播效用力；运用移动视频思维，加快传播流动性；把好传播入口关，增强传播净化力；调动受众用户主体性，促进传播社交化；优化网络媒介塑造功能，扩大传播影响力。

关键词： 双层注意力机制   循环神经网络   用户偏好   组合损失函数   交互模型   联合深度推荐模型  

摘要： 为了向用户推荐符合兴趣偏好的项目，设计一种基于注意力循环神经网络的联合深度推荐模型。将双层注意力机制设置于网络中，该模型由五个部分构成，在输入层中生成联合深度推荐模型的输入矩阵，通过序列编码层对项目评论文本语义展开正向和反向编码，获得隐藏状态输出，并将其输入双层注意力机制中，提取项目特征，利用全连接层提取用户偏好特征。在预测层中建立项目与用户的交互模型，获得项目评分，为用户推荐高评分的项目。为了提高模型精度，加权融合MSE损失函数、CE损失函数和RK损失函数建立组合损失函数，对深度联合训练模型展开训练，提高模型的推荐性能。仿真结果表明，所提方法具有良好的推荐效果，能够适应不断变化的市场需求和用户行为。

关键词： 救灾信息   救灾行动   社会网络   应急响应  

摘要： 我国灾害治理格局呈现政府主导、多方参与、协调联动的特征。行动主体有地方政府、媒体等应急响应常设组织,以及市民群体、民间救援力量等突生组织。二者的适应程度、彼此间的灾害信息传播效率深刻影响着救灾成效。本文以2021年发生在河南郑州的“7·20”特大暴雨灾害为例,基于复杂适应系统、组织代偿理论与信息论综合提出了应急响应问题的研究框架,同时利用观察、访谈及公开数据进行三角测量,构建郑州“7·20”特大暴雨灾害期间多主体的灾害信息传播与救灾行动网络,从组织适应与信息流动的角度,提出信息管理与流转的建议。

关键词： 医学院校   附属医院教师   网络思想政治教育  

摘要： 为了解医学院校附属医院教师网络思想政治（简称思政）教育现状，采用问卷调查法，选取广西医科大学第二附属医院符合标准的451名教师，进行网络思政教育情况调查。研究显示，医学院校附属医院教师对开展网络思政教育前景持乐观态度，但其课程思政育人意识需加强，需进一步提高网络思政教育能力。建议医学院校附属医院完善网络思政教育评价及激励机制，通过综合培训提升教师网络思政素质，建立多样化网络思政教育平台，以推动高等医学院校网络思政教育的开展。