摘要：对长序列的动画线稿帧进行着色是计算机视觉中一项具有挑战性的任务.一方面,线稿中包含的信息较为稀疏,需要着色算法对缺失的信息进行推断;另一方面,连续帧之间的色彩需要保持一致,以确保整个视频的视觉质量.现有的着色算法多数只针对单张图片进行着色,这类算法只给出一个开放性的符合合理范围的色彩结果,无法适用于帧序列着色.另一些基于参考帧的着色算法,并没有将2帧之间的关系有机地联系起来,导致着色效果不够出色.在同一镜头序列中,同一对象的特征往往不会发生太大变化,因此,可以设计一个根据给定参考帧,即可给线稿自动着色的模型.为此,本文提出了基于CNN(Convolutional Neural Networks)和Transformer相结合的模型Cross-CNN,该模型能够从参考帧中寻找并匹配颜色,从而保证时间维度上的特征一致性.Cross-CNN模型参考帧和线稿帧在通道维度叠加,输入预训练的Resnet50网络提取局部融合特征,将融合特征图传给Transformer结构进行编码以提取全局特征.在Transformer结构中设计了交叉注意力机制更好地匹配远距离特征.最后使用带有跳层连接的卷积解码器完成着色图片输出.本文在数据集方面从8部电影中截取画面并经过严格筛选,最终制作了一个包含20000对二元组的数据集用于实验研究.Cross-CNN的SSIM(Structural SIMilarity)达到了0.932,高于SOTA算法0.014.本文算法代码链接:https://***/silenye/Cross-CNN.

摘要：为了对实践教学过程进行全息监控及智能优化,提出将数字孪生技术引入程序设计课程的编程实践教学环节,基于数字孪生概念构建学生编码过程的数字孪生过程,并给出基于机器学习的编程行为模式挖掘、编码过程实时干预反馈等实施方案。

摘要：C语言课程是大学工科专业重要的公共基础课,为了将课程思政的理念融于C语言课程教学,既实现知识传授、技能培养等显性教育功能,又达到真正育人的隐性功能,作者结合多年的教学实践,设计了一套体系化教学方案。该方案旨在充分挖掘C语言课程教学的育人功能,其中包含“以诗育人,以诗化人”“洞悉学情,精准教学”“思考感悟,分享反馈”等教学策略。根据课程学习效果反馈,这些教学策略实现了教书育人功能。

摘要：针对本科阶段机器学习课程教学中存在的问题,分析学生在课程学习过程中的认知规律,提出层次化认识模型,并基于此模型,从教学内容、教学方法、考核方式等方面阐述教学改革的方法和过程,说明该方法可提升机器学习课程教学效果。

摘要：开发的高性能低成本两相无刷直流电动机,以正交方波电压模式运行。样机的设计分析和试验结果表明:同传统两相无刷直流电动机相比,转矩密度高、功率密度高、转矩脉动小、成本低。

摘要：本文设计了一种新的用于电动车的两相永磁无刷轮毂电动机 ,其结构简单 ,最大输出转矩高于传统三相无刷电动机 ,同时克服了传统两相无刷电动机的缺点。本文对电机系统性能进行了仿真 ,并实现了基于AT89C5 1控制系统。

摘要：回声隐藏是一种以音频为载体的隐写技术,目前针对回声隐藏的隐写分析方法主要以倒谱系数作为手工特征进行分类。然而,这些传统方法普遍在回声幅度较低时检测性能不高。针对回声幅度较低的情况,提出一种基于卷积神经网络(CNN)的回声隐藏隐写分析方法。首先利用短时傅里叶变换(STFT)提取音频的幅度谱系数矩阵作为浅层特征,然后设计了一个卷积神经网络框架对浅层特征进行进一步的深度特征提取,网络框架中包含了四个卷积模块以及三层全连接层,最后分类结果以Softmax进行输出。在三种经典的回声隐藏算法上对提出的方法进行了隐写分析实验评估,实验结果表明,该方法在低回声幅度条件下的检测率分别为98.62%、98.53%和93.20%,与目前所提出的传统基于手工特征的方法和基于深度学习的方法相比,检测性能提升10%以上。

摘要：为抵抗翻拍图像对人脸识别等认证系统的攻击,提出一种人脸图像梯度方向预测算法。通过自适应高斯同态滤波进行光照补偿增强真实活体图像与翻拍图像的对比度,用八方向Sobel算子与像元卷积方向预测,并使用支持向量机(SVM)分类器设计图像分类器判别两类图像。抽取国内外数据库(南京航空航天大学与耶鲁大学人脸库)活体人脸与翻拍人脸共522张进行实验,检测率达到99.51%;另用三星Galaxy Nexus手机拍摄261张真实人脸,同时进行翻拍,得到样本库522张人脸,实验检测率达到98.08%,特征提取用时167.04 s。结果表明能有效地检测分类出真实人脸照片与翻拍假冒照片,并具有较高的特征提取效率。

摘要：DTMF (双音多频)信号是音频电话中的拨号信号,广泛应用于新一代电话机。介绍了一种基于DSP的DTMF信号产生与检测实验系统的设计原理以及软硬件开发过程,该系统主要是在2台以TI的TMS32 0 L F2 4 0 7A为核心芯片的DSP教学实验箱上实现的。实验结果表明:在实验箱1上的小键盘击键信息总能准确无误地通过实验箱2上的L CD显示出来,整个系统具有很高的实时性和可靠性。该系统的开发使学生能更深刻地理解DTMF信号的实质以及用DSP产生与检测DTMF信号的软硬件开发过程。

摘要：针对目前以WAV格式语音为载体的最低有效位(LSB)隐写方法的检测性能较低的问题,提出了一种基于深度残差网络的语音隐写分析方法。首先,通过多组高通滤波器组成的固定卷积层来计算输入语音信号的残差信号,并利用截断线性激活单元对得到的残差信号进行截断操作;然后,通过卷积层与设计的残差块的堆叠来构建深度网络,以提取深层次的隐写特征数据;最后,利用全连接层与Softmax层组成的分类器输出最终的分类结果。实验结果表明,在Hide4PGP和LSBmatching两种隐写方法的不同密信嵌入率下,所提出模型的检测正确率都要优于现有的基于卷积神经网络(CNN)的隐写分析方法。对于0.1 bps嵌入率的Hide4PGP隐写方法,该隐写分析模型的检测正确率比Lin Net提高了近7个百分点。